基于ECG信号的OSA自动检测算法的研究

目录

摘要

第1章绪论

1．1研究背景

1．2研究目的与意义

1．3国内外研究现状及发展趋势

1．3．1 OSA与ECG信号之间的关系

1．3．2传统机器学习方法在检测OSA上的应用

1．3．3深度学习方法在检测OSA上的应用

1．4本文主要研究工作

1．5章节安排

第2章ECG信号分析与数据集处理

2．1引言

2．2 ECG信号分析

2．3 Apnea-ECG数据集介绍与预处理

2．4 UCDDB数据集介绍与预处理

2．5本章小结

第3章ECG信号预处理与浅层特征信号提取

3．1引言

3．2 ECG信号去噪

3．2．1 离散小波变换

3．2．2离散小波变换在ECG去噪上的应用

3．3 Pan-Tompkins算法检测R峰

3．4浅层特征信号计算

3．5浅层特征信号预处理

3．6本章小结

第4章基于多浅层特征信号融合的LSTM-RNN网络

4．1引言

4．2预备知识

4．2．1激活函数

4．2．2传统循环神经网络

4．2．3 BPTT算法

4．2．4优化算法

4．2．5 LSTM记忆单元

4．3基于多浅层特征信号融合的LSTM-RNN网络

4．4本章小结

第5章基于多卷积特征信号融合的LSTM-RNN网络

5．1引言

5．2一维离散卷积

5．3基于多卷积特征信号融合的LSTM-RNN网络

5．4卷积核大小、数量与卷积步长的选择

5．5本章小结

第6章实验及结果分析

6．1引言

6．2分类任务、评估标准和实验环境

6．2．1 分类任务

6．2．2评估标准

6．2．3实验环境

6．3 ECG信号与浅层特征信号对分类结果的影响

6．4不同预处理方法对分类结果的影响

6．5对浅层特征信号使用一维卷积后对分类结果的影响

6．6多浅层特征信号融合对分类结果的影响

6．7多卷积特征信息融合对分类结果的影响

6．8与相关文献的分类效果对比

6．9本章小结

结论

参考文献

致谢

攻读硕士学位期间发表的学术论文及参加的科研项目

声明