学位论文 > 优秀研究生学位论文题录展示
基于模糊神经网络心电信号的自动诊断
作 者: 白雪静
导 师: 宗成阁
学 校: 哈尔滨工业大学
专 业: 信息与通信工程
关键词: ECG信号 特征提取 小波变换 MIT-BIH 模糊神经网络
分类号: TP183
类 型: 硕士论文
年 份: 2010年
下 载: 88次
引 用: 2次
阅 读: 论文下载
内容摘要
心电信号自动分析与诊断一直是信号处理的重要研究课题。本文在小波变换与模糊神经网络的理论背景下,针对正常心拍与室性早搏的识别分类做了进一步的深入研究。本文首先介绍了心电信号自动诊断系统的构成及各部分的发展现状,随后介绍了心电信号的一些基本知识,包括心电信号产生机理及常见的的几种心律失常的心电图特征以及心律失常诊断标准等。在此基础之上本文针对心电信号中存在的各种噪声和干扰进行了分析,并针对工频干扰、肌电噪声及基线漂移等噪声提出了相关的消噪方法。在对心电信号进行完预处理之后,本文接下来介绍了两种用于心电信号QRS波群检测的方法,即波峰定位法和小波变换法。重点阐明了利用小波变换进行R波识别及QRS波群起止点检测,在此基础上对R波检测、QRS波群检测进行算法设计。本文利用MIT-BIH标准心电数据库中48组的ECG数据分别对波峰定位及小波变换算法进行了仿真验证,然后对数据处理的结果进行了分析,仿真结果表明两种算法对QRS波群的识别率分别达到了99.43%和99.84 %。心电信号的自动识别分类就是利用计算机来智能识别各种异常心电波形,这是心电图自动诊断中难以实现的问题。本文使用模糊逻辑与神经网络相结合的模糊神经网络,在提取心电信号特征点完成之后,对ECG心电记录进行模糊识别及分类。文中利用了具有模糊化输入、输出的前向神经网络(BP网络)的分类识别能力,实现了ECG信号中的正常心拍和室性早搏自动识别。用MIT-BIH心电数据库中的样本数据对该模糊神经网络进行训练、检验,对网络识别的结果分析后,正确率达到了95.11%,表明该网络具有较好的PVC自动识别率。
|
全文目录
摘要 4-5 Abstract 5-9 第1章 绪论 9-15 1.1 课题研究背景及意义 9 1.2 ECG 自动诊断系统概述 9-13 1.2.1 ECG 自动诊断系统的构成 10-11 1.2.2 ECG 自动诊断系统的研究现状 11-13 1.2.3 ECG 自动诊断系统研究的难点 13 1.3 本文主要内容 13-14 1.4 本文结构安排 14-15 第2章 心电图的基本知识 15-23 2.1 心电信号的产生机理 15 2.2 心电图的基础 15-18 2.3 常见心率失常心电图表现 18-21 2.3.1 早搏 19-20 2.3.2 窦性心律不齐 20 2.3.3 起搏器起搏的心拍 20 2.3.4 束支传导阻滞 20-21 2.4 心室过早搏动 21-22 2.5 本章小结 22-23 第3章 ECG 信号的预处理 23-31 3.1 ECG 信号的噪声与干扰分析 23-25 3.2 ECG 心电信号预处理 25-30 3.2.1 平滑滤波器滤除工频干扰 25-27 3.2.2 基线漂移滤波 27-28 3.2.3 肌电干扰(EMG)的滤除 28-30 3.3 本章小结 30-31 第4章 ECG 波形检测算法 31-50 4.1 基于波峰定位的QRS 波检测方法 31-39 4.1.1 波峰定位算法介绍 31-33 4.1.2 R 波的检测定位 33-36 4.1.3 QRS 波群起点与终点的提取 36 4.1.4 数据处理结果及分析 36-39 4.2 小波变换算法介绍 39-41 4.2.1 小波变换的定义 39 4.2.2 Mallat 算法 39-40 4.2.3 Lipschitz 指数与模极大值的关系 40-41 4.3 小波分解的方法进行QRS 波检测 41-49 4.3.1 小波变换用于检测QRS 奇异点的原理 41 4.3.2 R 检测过程 41-43 4.3.3 检测QRS 波群的起点与终点 43-44 4.3.4 数据处理结果及分析 44-49 4.4 本章小结 49-50 第5章 基于模糊神经网络的ECG 诊断 50-60 5.1 ECG 自动识别和诊断技术使用的理论背景 50-52 5.1.1 人工神经网 50-51 5.1.2 模糊数学相关原理 51 5.1.3 模糊理论与神经网络的结合 51-52 5.2 模糊神经网络的结构 52-55 5.2.1 输入的模糊化预处理 52-53 5.2.2 隶属度函数的设计 53-54 5.2.3 隐含层数和层内节点的选择 54-55 5.3 基于模糊神经网络的PVC 自动识别 55-56 5.3.1 ECG 信号特征参数的选取 55 5.3.2 模糊神经网络用于ECG 诊断的具体过程 55-56 5.4 仿真结果和分析 56-59 5.4.1 实验数据的选取 56-57 5.4.2 性能评估及结果分析 57-59 5.5 本章小结 59-60 结论 60-62 参考文献 62-66 致谢 66
|
相似论文
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 基于TMS320C6713的SPIHT图像压缩算法研究及实现,TP391.41
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 图像的稀疏表示及编码模型研究,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 红外图像目标识别及跟踪技术研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|