论文目录 | |
摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第1章 绪论 | 第12-23页 |
1.1 课题背景及研究的目的和意义 | 第12-14页 |
1.2 心电信号生理基础 | 第14-17页 |
1.2.1 心电信号产生机理 | 第14-15页 |
1.2.2 正常心电信号波形及意义 | 第15-16页 |
1.2.3 心脏性猝死前心电信号特征 | 第16-17页 |
1.3 课题研究现状 | 第17-21页 |
1.3.1 心电信号降噪技术 | 第17-20页 |
1.3.2 T波检测技术 | 第20-21页 |
1.4 论文内容安排 | 第21-23页 |
第2章 基于降噪自动编码器的心电信号降噪算法研究 | 第23-42页 |
2.1 引言 | 第23页 |
2.2 心电信号噪声类型 | 第23-24页 |
2.3 基于降噪自动编码器的心电信号降噪 | 第24-29页 |
2.3.1 降噪自动编码器 | 第25-27页 |
2.3.2 基于降噪自动编码器构建深度神经网络实现降噪 | 第27-29页 |
2.4 算法验证和结果分析 | 第29-41页 |
2.4.1 性能评价 | 第29-30页 |
2.4.2 实验数据 | 第30-32页 |
2.4.3 降噪结果的比较 | 第32-38页 |
2.4.4 训练数据个数对降噪效果的影响 | 第38-40页 |
2.4.5 实验结论 | 第40-41页 |
2.5 本章小结 | 第41-42页 |
第3章 融合小波和压缩降噪自动编码器的心电信号降噪算法优化 | 第42-70页 |
3.1 引言 | 第42页 |
3.2 基于压缩降噪自动编码器的心电信号降噪 | 第42-54页 |
3.2.1 压缩降噪自动编码器 | 第43-45页 |
3.2.2 基于压缩降噪自动编码器构建深度神经网络实现降噪 | 第45-48页 |
3.2.3 算法验证和结果分析 | 第48-54页 |
3.3 融合小波和压缩降噪自动编码器的心电信号降噪 | 第54-59页 |
3.3.1 小波自适应阈值法 | 第55-56页 |
3.3.2 融合小波和压缩降噪自动编码器构建深度神经网络 | 第56-59页 |
3.4 算法验证和结果分析 | 第59-69页 |
3.4.1 网络参数设置 | 第59-60页 |
3.4.2 降噪结果的比较 | 第60-67页 |
3.4.3 结果讨论 | 第67-68页 |
3.4.4 实验结论 | 第68-69页 |
3.5 本章小结 | 第69-70页 |
第4章 T波自动检测算法研究 | 第70-92页 |
4.1 引言 | 第70页 |
4.2 基于形态指导的T波自动检测 | 第70-71页 |
4.3 T波形态自动分类 | 第71-80页 |
4.3.1 基于稀疏自动变编码器构建深度神经网络 | 第72-77页 |
4.3.2 网络性能测试 | 第77-80页 |
4.4 基于形态指导的T波峰值和终点值检测 | 第80-88页 |
4.4.1 倾斜高斯函数 | 第81-82页 |
4.4.2 倾斜高斯模板检测T波峰值 | 第82-87页 |
4.4.3 T波终点检测 | 第87-88页 |
4.5 算法验证和结果分析 | 第88-91页 |
4.5.1 性能评价 | 第88页 |
4.5.2 实验数据 | 第88页 |
4.5.3 检测结果的比较 | 第88-91页 |
4.5.4 实验结论 | 第91页 |
4.6 本章小结 | 第91-92页 |
第5章 心电信号降噪算法和T波自动检测算法在智慧心电监测平台的应用 | 第92-103页 |
5.1 引言 | 第92页 |
5.2 智慧心电监测平台 | 第92-96页 |
5.2.1 心电信号采集 | 第93-95页 |
5.2.2 健康云智能分析 | 第95-96页 |
5.3 心电信号降噪算法在智慧心电监测平台的验证 | 第96-98页 |
5.4 T波自动检测算法在智慧心电监测平台的验证 | 第98-102页 |
5.4.1 T波检测基础—R波检测 | 第98-100页 |
5.4.2 T波峰值和终点检测 | 第100-102页 |
5.5 本章小结 | 第102-103页 |
结论 | 第103-105页 |
参考文献 | 第105-115页 |
攻读博士学位期间承担的科研任务与主要成果 | 第115-116页 |
致谢 | 第116页 |