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
黑龙江大学;