机器学习方法在心源性猝死早期识别中的应用研究

目录

声明

第一章 绪论

1.1 课题研究背景与意义

1.2 国内外研究现状及趋势

1.2.1 机器学习方法在辅助心电诊断中的应用现状

1.2.2 心源性猝死早期识别研究进展

1.2.3 心肌梗死检测研究进展

1.3 本文主要内容及创新点

1.4 全文章节安排

第二章 高危心电数据库建立及心电信号预处理

2.1 引言

2.2 心脏电生理介绍

2.3 心电数据采集方式介绍

2.4 高危心电数据建库

2.4.1 高危心电数据

2.4.2 国际标准数据库

2.4.3 记录选择与数据截取

2.4.4 心电数据整合与建库

2.5 心电信号预处理

2.6 本章小结

第三章 结合机器学习和临床风险指标的心源性猝死早期识别

3.1 引言

3.2 心电波形特征与临床风险指标

3.3 经典机器学习分类方法

3.4 基于临床风险指标的机器学习分类

3.4.1 本章工作数据集建立

3.4.2 异常心搏筛除

3.4.3 基于心电波形定位的临床风险指标提取

3.4.4 应用机器学习的心源性猝死早期识别

3.4.5 独立风险指标提取

3.5 本章小结

第四章 结合迁移学习和浅层心电特征的心源性猝死早期识别

4.1 引言

4.2 浅层心电特征介绍

4.2.1 心率相关浅层心电特征

4.2.2 原始心电信号处理

4.3 迁移学习方法

4.4 基于心率信息的迁移学习方法分析

4.4.1 本章工作数据集建立及源域和目标域的划分

4.4.2 心电信号心率信息的提取

4.4.3 基于心率信息的迁移学习方法

4.5 基于原始心电信号的迁移学习方法分析

4.6 心源性猝死早期识别算法对比分析

4.7 本章小结

第五章 轻量级卷积神经网络在心肌梗死检测中的应用探讨

5.1 引言

5.2 心肌梗死的心电信号特征

5.3 轻量级的卷积神经网络自动分析方法

5.4 基于四导联的心肌梗死检测分析

5.5 单导联心肌梗死检测的探讨

5.6 心肌梗死检测方法评估对比

5.7 本章小结

第六章 总结与展望

6.1 全文总结

6.2 后续工作展望

致 谢

参考文献

攻读硕士学位期间取得的成果