学位论文 > 优秀研究生学位论文题录展示

基于学习的心脏病理识别技术研究

作　者: 陶泳任
导　师: 沈海斌
学　校: 浙江大学
专　业: 电路与系统
关键词: 心房肥大样本较少支持向量机心电数据库
分类号: R541
类　型: 硕士论文
年　份: 2014年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

心脑血管疾病是困扰着许多人的疾病,每年有大量的人因为心肌梗塞导致死亡,医学界对心脏疾病的治疗还需要更多的研究与实践,医学与其他学科的交叉应用在这方面发挥一定的作用,将计算机科学与医学相结合的研究是现在比较前沿的研究,尤其是计算机科学中的模式识别与医疗诊断相结合的研究已经是硕果累累,这些研究常应用于实时监测心脏状况,这对心脏保健是非常有效的。心房肥大是各种心脏疾病中重要的一种,在模式识别领域,未找到相关研究成果,由于心房肥大样本数据很少,这给模式识别的研究造成了巨大的障碍,本文针对心房肥大进行专门研究,研究了在心房肥大数据样本较少情况下的训练与识别算法。对比了样本较少情况下,不同模式分类方法的分类正确率,其中主要研究了人工神经网络和支持向量机(Support vector machine, SVM)在心房肥大识别上的应用,显示了基于统计学习模型的支持向量机在样本较少情况下的优势。另外还对支持向量机进行改进,研究了支持向量机与其他分类器融合情况下在心房肥大识别上的正确率与可信度,将支持向量机与拒绝域分类器(Rejection, R)融合的分类器SVM-R对心房肥大模式上具有较高的识别准确率与可信度。由于心电数据库的缺乏,给医学领域和人工智能领域的研究都造成了障碍,目前国内尚未形成可供研究使用的权威心电数据库,一直依赖于国外的MIT-BIH数据库、MGH/MF数据库等,本文使用的心电数据主要来自国外的权威心电数据库。

全文目录

致谢  4-5
摘要  5-6
Abstract  6-7
目录  7-9
图目录  9-11
第1章绪论  11-18
  1.1 课题背景  11-13
  1.2 研究目标  13
  1.3 本文创新点  13
  1.4 通过心电来诊断心脏疾病的背景  13-15
    1.4.1 什么是心电图  13-14
    1.4.2 心电图测量  14
    1.4.3 可以从心电图上诊断的疾病  14-15
  1.5 模式识别相关背景  15-16
    1.5.1 人工智能辅助诊断  15
    1.5.2 语音识别  15-16
  1.6 MGH/MF数据库  16
  1.7 Fantasia数据库  16
  1.8 论文主要工作和章节安排  16-18
第2章心电传感器及心电图处理  18-27
  2.1 标准12导联心电传感器  18-19
    2.1.1 心电图仪器  18
    2.1.2 标准12导联电位  18-19
    2.1.3 心电图临床诊断  19
  2.2 便携式心电传感器  19-24
    2.2.1 电极与人体之间接口建模  20-22
    2.2.2 移动摩擦噪声  22-24
    2.2.3 环境噪声  24
  2.3 心电图像处理及心电特征提取  24-27
第3章基于C++程序的心电特征向量提取  27-33
  3.1 原始心电数据  27-29
  3.2 心电数据处理的环境搭建  29-30
  3.3 心电信号数据采样与压缩  30-33
    3.3.1 调整电压偏移  30-31
    3.3.2 提取一次心跳的采样点  31
    3.3.3 形成特征向量  31-33
第4章基于ANN和基于SVM的心房肥大分类  33-45
  4.1 逻辑分枝判断  33
  4.2 模糊推理算法  33-34
  4.3 神经网络算法  34-43
    4.3.1 神经网络理论  34-36
    4.3.2 神经网络识别过程  36-43
  4.4 支持向量机算法  43-44
    4.4.1 支持向量机的思想  43-44
    4.4.2 核函数的选择  44
  4.5 支持向量机和神经网络比较  44-45
第5章支持向量机优化  45-48
  5.1 对称拒绝域  45-46
  5.2 非对称拒绝域  46
  5.3 对称与非对称拒绝域比较  46-47
  5.4 对SVM-R分类器的分析结论  47-48
第6章总结和展望  48-50
参考文献  50-53
作者简介  53-54
作者在浙江大学攻读硕士研究生学位时发表的论文  54

基于学习的心脏病理识别技术研究

内容摘要

全文目录

相似论文