【摘 要】
：
心电图是临床上检测心脏病最直观、最快速的方法。早期的心电检测都是使用信号学的相关算法进行工作,通过将原始的心电信号变换来得到它的关键特征,将拿到的特征与已经建立好的疾病种类库比对以得到相应的心脏病类型。上述的心电异常检测方法具有对心电信号的波形完美、关键信号获取不足等缺点。机器学习算法的兴起在很多方面解决了传统信号学检测心电异常的弊端。Deep CNN具有能够在多维度获取ECG模糊信息的特点,循环
【机 构】
：
中国科学院大学(中国科学院沈阳计算技术研究所)
【出 处】
：
中国科学院大学(中国科学院沈阳计算技术研究所)
论文部分内容阅读
心电图是临床上检测心脏病最直观、最快速的方法。早期的心电检测都是使用信号学的相关算法进行工作,通过将原始的心电信号变换来得到它的关键特征,将拿到的特征与已经建立好的疾病种类库比对以得到相应的心脏病类型。上述的心电异常检测方法具有对心电信号的波形完美、关键信号获取不足等缺点。机器学习算法的兴起在很多方面解决了传统信号学检测心电异常的弊端。Deep CNN具有能够在多维度获取ECG模糊信息的特点,循环神经网络可以有效分析时间特征。所以,本课题采用了深度学习的ECG异常检测算法,且采取了多种神经网络相融合的模型,不仅能够高效处理心脏病等突发检测问题,这也给其他行业的故障监测工作带来了全新的思考,并有着一定的研究价值。本文在开篇抛出了课题的背景和研究意义,并分析了信号学时代的心电异常检测存在的不足,也调查了现阶段ECG异常检测的国内外研究现状,提出了多种神经网络模型融合的ECG异常检测算法。通过对ECG处理算法的进一步探索,提出了ECG信号去噪、特征提取、模型搭建和调优的如下全部过程。1、利用小波变换算法对ECG信号进行滤波,ECG信号往往会混合各种干扰信号和基线漂移。小波分解阈值处理可以抑制高频噪声,改善信号的基线漂移。2、ECG信号的主要特征提取,波形的高矮胖瘦都会影响到心电信号诊断最终结果,为精简计算量需要根据波形的关键特征作为波形的替身。卷积神经网络用于自动提取ECG信号的局部特征。3、完成基于神经网络的心电信号诊断模型。根据时间序列数据的特征,以双通道卷积神经网络和长短时记忆神经网络为基础单位,构建了以DCNNBi LSTM模型为基础的学习模式。并利用XGBoost技术将神经网络提取的特征和HRV特征相互融合,对四类心拍进行了高准确率的分类。4、与一维卷积神经网络、SVM、长短时记忆神经网络等模型开展实验对比,结果发现,本文所提出的改进模型达到了较好的识别效果。
其他文献
在当今大数据的时代中,海量多领域政策文本出现在在日常生活中,如果可以有效利用这些多领域政策文本数据,不仅可以有效的帮助人民理解、维护政策,同时可以协助国家规范执政手段、提升执政效率。正因如此,许多研究人员围绕政策文本展开了研究,希望可以更有效地应用这些数据。作为自然语言处理的重要任务之一,文本分类是许多任务的基础,本文利用多个领域政策的文本分类技术,为多领域政策知识图谱的构建项目做出支撑,针对多领
随着信息技术与制造技术的不断融合,制造业已向智能制造方向发展,而数字化车间是实现智能制造的核心载体,如何通过信息技术保障数字化车间安全生产是数字化车间领域研究的重点内容。对此,本文主要围绕车间人员安全帽检测、车间火灾检测等数字化车间安全需求,开展基于安全特征的车间智能检测视觉识别技术及相关算法研究,在此基础上进行视觉识别系统架构设计,并开展功能测试,以满足车间安全生产需求。首先,本文研究了目标检测
随着计算机技术的迅猛发展和社交媒体的广泛普及,散布在互联网平台上的数字图像和文字呈爆炸式增长。网络文化在给人们的生活提供信息和带去方便的同时,也肩负着巨大挑战。越来越多的不良信息逐渐隐匿在网络世界的各个角落,极大的危害着国家的信息安全、社会治安、以及人们尤其是未成年人的身心健康。除了从根源消除外,对于已散布在网络上的不良信息和图片,国家安排专门的人员对其进行人工核验、消除或者打码,但是工作量过于庞
＜正＞营商环境建设是社会软环境建设的重要组成部分，优化营商环境对于区域经济社会发展具有重要作用。本文结合检察工作实际，对优化营商环境工作的专业化建设路径提出相关建议。一、当前营商环境建设中的问题一是护航企业发展的大局意识不强。部分检察人员主动服务、靠前服务意识不强，对新时代检察司法理念、
在纺织领域中,布匹的质量检测是产品生产链中的重要环节。由于生产设备的局限,布匹表面往往会出现沾污、破洞等疵点。传统的检测方式是人工检测,但这种方式存在着劳动强度大、检测精度低、检测速度慢等问题。随着人工智能的发展,在布匹瑕疵检测中使用计算机视觉代替人眼来解放劳动力、提高生产效率,是必然的发展趋势。而目前的目标检测算法对于疵点这类小目标的检测效果并不理想,因此,本文提出了一种基于深度学习的小目标疵点
物联网通过网络连接物与物,然后通过数据收集、分析和自动操作等创造新价值,而工业物联网就是产品、传感器、生产设备等通过无线或有线网络连接。工业物联网提出以后,制造业、物流、石油、天然气、运输等多个行业都开始将其目光投入。而工业中主要产生的是时间序列,对工业时间序列进行分析可以探索数据,以此提高产品质量、避免事故和减少环境影响。更加重要的是,分析结果提供可操作的见解,使工程师在做出更明智、更受数据驱动
随着新课改的不断推进，教育部对于学生的数学核心素养的要求不断提高．学生既要拥有扎实的数学基础知识，又要拥有较强的数学学习能力．在新高考改革之下，学生的数学抽象能力、逻辑推理能力、数学建模能力、数学运算能力、直观想象能力、数据分析能力被列为重点考查的项目．函数作为高中数学知识的重要组成部分，具有很强的抽象性和逻辑性，对学生的数学学习能力提出了一定的要求．因此，以函数为依托考查学生的数学学习能力，对培
函数思想是高中常用的数学问题解决方法之一，通过函数思想的应用能够让学生更加快速准确地解决数学问题.所以在进行数学解题教学的过程中，教师需要对教学方式进行转变，采用多元化的教学方式来进行高中数学函数的解题教学.通过这样的方式来培养学生的创新能力和探索能力，从而激发学生的学习兴趣，主动去分析数学问题，寻找解题思路，有效地提升学生的学习效率.本文将通过举例的方式来对高中数学函数解题思路的多元化方法进行分
转动轴对中检测做为工业生产中大型机械设备精密检测的重要一部分,其传统的检测方法检测速度较慢、检测精度不高、对检测人员的检测水平要求严格;而新型的激光检测法又有着高昂的价格,这些都制约着工业生产中轴对中检测的工业成本。随着我国向工业强国迈进,提高转动轴对中检测的精准度和速度、降低测试人员的使用门槛成为了提升工业水平的重要一环,也是展示我国工业水准的重要标准。基于以上背景,结合工业自动化生产要求,本文
在机械作业中使用滚动轴承进行工业生产的时候,滚动轴承是经常发生故障的零部件,滚动轴承在发生故障的时候,由于轴承的振动信号不稳定,信号呈现非线性的特点,这使得当前有的一些滚动轴承故障诊断系统或者诊断方法存在对原始信号提取能力弱,识别滚动轴承信号能力差导致最终导致诊断结果和预期结果有很大差距。为了增强故障诊断系统的智能性和准确度,提高系统泛化能力使之可以适应工厂大数据故障诊断的需求。本文针对这样的情况