学位论文 > 优秀研究生学位论文题录展示

心电异常波形智能诊断技术的研究和实现

作　者: 吴海峰
导　师: 李锋
学　校: 东华大学
专　业: 计算机应用技术
关键词: 自学习机制语义特征面向过程的训练方法权重矩阵关系矩阵
分类号: R540.41
类　型: 硕士论文
年　份: 2014年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

心血管病是当前世界的头号杀手,很多国家都面临着逐渐增多的发病率。因此,及时的检测和预防心血管病具有重要的意义。研究心电图自动诊断技术,对于提高心电图的实时性、正确性,减轻医务人员的工作强度,具有十分显著的意义。在分析了现有心电图自动诊断方法和不足之处后,本文提出了一种基于语义特征的心电图自动诊断方法,并且围绕系统实现中的判定规则、推理机制、自学习机制等关键问题展开了深入的研究工作。论文主要工作及研究成果总结如下：(1)提出了一种新的知识表示——语义特征。并对如何从心电波形数据提取语义特征进行了探讨和详细的思路描述。语义特征是对几何特征的进一步提取,它不但能完全表达几何特征的相关特性,还具有结构化更强、表达性更好等重要特点。(2)提出了一种新的数据训练方法——面向过程的权重训练方法。它能应对训练时数据到来顺序的不同时性和离散性,并且能保证训练的结果与数据的到达次序无关。并对此公式,进行了数学上的证明。(3)设计并建立了数据知识库,供专家知识库系统调用和系统决策使用。包含的表有patient, repository, diseases, constant, ecgpoints等表,这些表共同构成了专家知识库系统的储备单元。(4)设计了自己的诊断推理机制,对存在或不存在的特征值进行了处理,分别用概率和反概率进行了计算。最终得出了各种病型的概率。(5)在Windows平台上对系统进行了初步实现,并为后续的功能扩展和界面美化奠定了基础。

全文目录

摘要  5-7
ABSTRACT  7-10
第一章绪论  10-17
  1.1 课题研究背景及意义  10-11
  1.2 国内外研究现状  11-15
    1.2.1 心电信号检测识别方法  11-13
    1.2.2 心电图自动诊断系统的研发  13-15
  1.3 本文研究内容  15-17
    1.3.1 论文主要研究工作  15
    1.3.2 论文的结构  15-17
第二章系统相关技术  17-28
  2.1 心电图基本知识  17-22
    2.1.1 心电信号的形成  17-18
    2.1.2 常规心电图  18-21
    2.1.3 心电信号的特点  21-22
  2.2 专家系统基本原理  22-24
  2.3 神经网络基本原理  24-27
    2.3.1 神经元模型  24-25
    2.3.2 BP神经元模型  25-27
  2.4 本章小结  27-28
第三章判定规则  28-35
  3.1 几何特征判定规则  28-29
  3.2 语义特征判定规则  29-34
    3.2.1 P波语义特征的解析  29-30
    3.2.2 PR间期语义特征的解析  30
    3.2.3 QRS波语义特征的解析  30-31
    3.2.4 QT间期语义特征的解析  31
    3.2.5 ST波语义特征的解析  31-32
    3.2.6 T波语义特征的解析  32
    3.2.7 U波语义特征的解析  32-33
    3.2.8 心电轴语义特征的解析  33
    3.2.9 心率语义特征的解析  33-34
    3.2.10 心律语义特征的解析  34
  3.3 本章小结  34-35
第四章推理机制  35-40
  4.1 权值矩阵  35-37
    4.1.1 权值矩阵的概念  35-36
    4.1.2 权值矩阵初始化  36-37
  4.2 推理过程  37-39
    4.2.1 概率因子  38
    4.2.2 正向推理  38
    4.2.3 反向推理  38-39
    4.2.4 推理结果  39
  4.3 本章小结  39-40
第五章系统设计与实现  40-53
  5.1 知识库的设计  40-45
    5.1.1 constant表  40-41
    5.1.2 ecgpoints表  41-42
    5.1.3 disease表  42-43
    5.1.4 repository表  43-44
    5.1.5 balance表  44
    5.1.6 information表  44-45
  5.2 类库的实现  45-48
    5.2.1 数据库管理模块  45-46
    5.2.2 语义特征转换模块  46
    5.2.3 辅助函数模块  46
    5.2.4 心电图知识模块  46-47
    5.2.5 自动诊断模块  47-48
  5.3 系统自学习机制  48-51
    5.3.1 面向过程的训练方法  48-49
    5.3.2 自学习过程  49-51
  5.4 人机交互界面  51-52
    5.4.1 诊断界面  51
    5.4.2 系统设置界面  51-52
  5.5 本章小结  52-53
第六章实验和结果  53-56
  6.1 实验过程  53-54
  6.2 结果分析  54
  6.3 本章小结  54-56
第七章总结与展望  56-58
  7.1 全文总结  56
  7.2 研究展望  56-58
参考文献  58-63
攻读学位期间的研究成果目录  63-64
致谢  64

心电异常波形智能诊断技术的研究和实现

内容摘要

全文目录

相似论文