第一个书签之前
摘要
Abstract
Contents
1绪论
1.1研究背景与意义
1.2 心律失常自动识别研究现状
1.2.1 心电信号预处理的研究现状
1.2.2 心信号特征提取研究现状
1.2.3 心电信号自动识别研究现状
1.3基于深度学习的心律失常自动识别
1.4深度学习研究现状
1.4.1 深度学习在语音识别领域研究现状
1.4.2 深度学习在图像识别领域研究现状
1.4.3 深度学习在自然语言处理领域研究现状
1.5本文内容组织结构ue5cf
2心电信号与深度学习相关理论
2.1心电信号与心律失常理论
2.1.1 心电信号产生机理
2.1.2 心电信号中的噪声干扰
2.1.3 心律失常诱因及分类
2.2人工神经网络与深度学习
2.2.1 人工神经网络
2.2.2 深度学习
2.3本章总结
3心电信号预处理
3.1MIT-BIH 数据集
3.2ECG信号小波变换
3.2.1 连续小波变换
3.2.2 离散小波变换
3.2.3 Mallat算法
3.3基于小波变换的心电信号滤波
3.3.1 小波阈值去噪
3.3.2 基于改进小波阈值函数的ECG去噪
3.4 ECG数据预处理
3.4.1 心拍划分
3.4.2 数据增强
3.4.3 数据不平衡
3.4.4 归一化处理
3.5本章小结
4基于循环神经网络的心拍自动分类识别
4.1 循环神经网络
4.1.1 RNN 网络模型
4.1.2 长短时记忆循环神经网络LSTM
4.2 LSTM_ECG 网络模型
4.3 基于LSTM_ECG网络模型的心拍识别
4.3.1 实验环境与评价指标
4.3.2 LSTM网络模型对比分析
4.3.3 实验结果及分析讨论
4.4 本章小结
5基于卷积神经网络的心拍自动分类识别
5.1 卷积神经网络
5.2 CNN_ECG网络模型
5.2.1 网络模型参数选取
5.2.2 CNN_ECG网络模型结构
5.3 基于CNN_ECG网络模型的心拍识别
5.3.1 CNN网络模型对比分析
5.3.2 实验结果及分析讨论
5.4 本文与其他方法对比分析
5.5 本章小结
6总结与展望
6.2 研究展望
参考文献
致谢
山东科技大学;