学位论文 > 优秀研究生学位论文题录展示

心电特征提取及分类方法研究

作　者: 武扬
导　师: 张丽清
学　校: 上海交通大学
专　业: 计算机应用技术
关键词: 心电信号分类心电信号分段 ICA特征抽取多类SVM分类器
分类号: TN911.7
类　型: 硕士论文
年　份: 2012年
下　载: 12次
引　用: 0次
阅　读: 论文下载

内容摘要

基于心电信号的心脏病自动诊断一直是一个兼有研究价值与实用价值的课题。本文主要的研究目的是研发和评估高精度的心电信号自动诊断方法。为了得到一个可靠的心电自动诊断系统,从信号的采集到最终得到诊断结果需要涉及很多关键的步骤。为了实现这样一个实用系统,我们从心电信号的预处理方法作为研究起点,涉及到对临床采集的信号处理的多个常见问题,包括去除不同来源的噪声干扰以及基线漂移。我们研究对比了多种方法并选择其中效果较为理想的方法应用到实验系统。同时,为了获取较为准确的心跳波区间,我们提出了基于多导联信息的波峰检测方法以及基于统计的波段分割方法,为后续进行分类学习做出重要的基础准备工作。作为计算机自动诊断的关键步骤,如何将由人体采样的生物信号转换为用于机器学习的特征是一个值得研究的问题。我们将心跳的时域特征与统计特征相结合,作为心电分类的特征模型。对于统计特征提取方法,我们分别应用主成分分析以及独立成分分析的特征基底做实验,通过对比验证了独立成分分析在作为分类的统计特征基底具有很高的自动分类性能。为了获得高精度的多类别分类预测结果,我们还设计了结合概率估计的多分类器投票策略。最终在多类心电信号数据上获得了比以往研究成果更高的分类精度。最后,结合实验中的经验提出一些后续的研究方向以及建议,为心电信号的自动诊断系统提供了有效的框架。

全文目录

摘要  3-4
ABSTRACT  4-5
目录  5-8
插图索引  8-9
第一章绪论  9-19
  1.1 研究背景  9-10
  1.2 利用心电图进行心脏病诊断的生理学背景  10-12
  1.3 MIT-BIH 心律失常心电数据库  12-14
  1.4 研究相关领域综述  14-17
  1.5 工作内容与论文结构安排  17-19
第二章数据预处理  19-29
  2.1 基于小波变换的去噪方法  19-21
    2.1.1 小波分解与重构  19-20
    2.1.2 应用小波分析方法去噪  20-21
  2.2 基线去漂移算法  21-25
    2.2.1 小波分解方法  22
    2.2.2 曲线拟合  22-23
    2.2.3 中值滤波  23-25
  2.3 波形检测与波段分割  25-27
    2.3.1 波形检测方法  25-26
    2.3.2 基于多导联的波形检测  26-27
    2.3.3 基于统计的波段分割  27
  2.4 本章小结  27-29
第三章特征抽取与选择  29-39
  3.1 特征抽取方法  29-34
    3.1.1 主成分分析  30-31
    3.1.2 独立成分分析  31-33
    3.1.3 PCA 与ICA 在心电特征抽取中的比较  33-34
  3.2 特征选择方法  34-37
    3.2.1 最小冗余最大相关特征选择方法  35-37
  3.3 本章小结  37-39
第四章分类模型与实验  39-49
  4.1 支持向量机  39-40
  4.2 多类别分类器的设计  40-41
  4.3 实验流程  41-43
  4.4 实验结果与分析  43-47
  4.5 本章小结  47-49
第五章远程心电诊断系统  49-55
  5.1 系统架构简介  49-50
  5.2 系统架构详解  50-52
  5.3 云服务平台设想  52-54
  5.4 本章小结  54-55
全文总结与展望  55-59
参考文献  59-65
致谢  65-67
攻读学位期间发表的学术论文目录  67-69
攻读学位期间参与的项目  69-70
附件  70-72

心电特征提取及分类方法研究

内容摘要

全文目录

相似论文