【摘 要】
：
随着我国逐渐步入老龄化社会,心血管疾病患者持续增加,使得心脏监护系统需求也在不断提高。如何利用计算机辅助技术对心律失常进行精准检测和分类是心血管疾病诊断中的研究热点之一。在进行心律失常识别时,传统上是心脏病专家依据患者的心电图来进行观察和分析,这样的方式容易产生漏检和客观性的结论,因此本文考虑采用机器学习和深度学习分类算法,对心律失常进行了以下研究:首先,针对在单个心跳的患者内的心律失常分类问题,
论文部分内容阅读
随着我国逐渐步入老龄化社会,心血管疾病患者持续增加,使得心脏监护系统需求也在不断提高。如何利用计算机辅助技术对心律失常进行精准检测和分类是心血管疾病诊断中的研究热点之一。在进行心律失常识别时,传统上是心脏病专家依据患者的心电图来进行观察和分析,这样的方式容易产生漏检和客观性的结论,因此本文考虑采用机器学习和深度学习分类算法,对心律失常进行了以下研究:首先,针对在单个心跳的患者内的心律失常分类问题,提出了基于传统机器学习方法的支持向量机和基于深度学习方法的卷积神经网络两种分类模型进行四种心电类型的分类。将心电信号切割成心拍的数据预处理方式分别输入分类模型中进行实验对比分析。实验表明,构建的卷积神经网络心律失常分类模型可自动提取心电数据的特征减少了分类的步骤,具有较好的分类效果。其次,针对在连续心电序列的患者间的心律失常分类问题,提出了注意力残差网络模型对心律失常进行五分类。将注意力机制的方法引入残差网络模型中使其易于捕捉心电信号中重要的特征,然后将分类模型进行消融研究。通过对原始的心电数据进行数据增强优化了所提出的网络模型的过拟合问题。实验证明,该算法是可行的,增强了网络模型的鲁棒性。最后,针对CINC2017（Computing IN Cardiology Challenge 2017,CINC2017）数据集中心房颤动的检测问题,实验中构造九层的卷积神经网络模型和提出新的数据预处理的方式进行心房颤动的识别以及正常节奏、其他节奏、嘈杂的心电信号的分类。实验结果分析表明,所提出的网络模型对心房颤动的分类精度有所提升。
其他文献
增值税留抵税额是纳税人已支付但未抵扣完的进项税额。我国过去一直实行留抵税额结转下期抵扣制度。2016年随着营改增的全面推开,进项抵扣范围不断扩大,纳税人的留抵税额呈现总量越积越多,长期滞留的留抵税额导致纳税人资金被占用、资本成本增加、扭曲企业经济活动,不利于企业竞争力的提升。对此,为了促进国内经济增长、减轻企业税收负担,激发市场活力、促进人员就业,2019年我国积极推行"减税降费"惠民、利国
近年来,自然环境尤其是弱酸性环境对金属材料的早期腐蚀越来越受到人们的重视。光纤腐蚀传感器是在传统光纤传感器的基础上改进,用于采集或传递腐蚀信息的腐蚀检测装置,凭借其结构简单、集成度高、灵敏性强、可实时监测等优点成为近年来腐蚀监测领域的研究热点。本文在总结光纤腐蚀传感器的基本检测方法和国内外研究现状的基础上,设计了多种光纤腐蚀传感器增敏方案,对比分析后选择基于光纤表面等离子体共振（SPR）效应的增敏
遥感影像分类在土地结构规划和国土资源探测等方面起着重要的作用。随机森林分类方法具有鲁棒性好,稳定性高,可应用性范围广的特点,近年来愈发受到人们的重视。如何提高随机森林分类精度,对随机森林分类过程进行整体全面优化成为研究热点。针对这一热点问题,本文从分类特征优选、分类样本选择优化、分类器参数优化三个方面展开随机分森林类优化研究,具体研究工作如下:首先,基于陆地卫星8（Landsat-8 OLI）遥感
贝叶斯网络在不确定性领域中是重要的概率图模型工具,其构建包括结构学习算法、参数学习算法及推理算法,而如何建立高效、准确的贝叶斯网络算法是贝叶斯网络当前的研究热点。针对贝叶斯网络算法在学习中存在寻优效率差、易陷入局部最优的问题,提出两种改进贝叶斯网络算法:基于改进的结构学习算法和推理算法。篦冷机是水泥生产的重要设备,用于冷却熟料和热量回收,由于篦冷机工艺参数多且参数间影响关系的不确定性导致对篦冷机进
人脸图像去模糊任务,致力于在模糊核未知的情况下,从已知的人脸模糊图像中复原出潜在的清晰图像,属于人脸图像复原的一个重要的研究方向。清晰的人脸图像对于人脸识别等高级图像处理任务以及刑事侦查等实际任务有至关重要的作用,故该文致力于提高人脸图像的质量。首先,为了更好地应用面部语义信息,该文设计了基于面部语义信息的人脸图像去模糊网络。该网络通过语义分割子网络获得面部语义掩模,通过语义类去模糊子网络更好地恢
星载P波段合成孔径雷达（Synthetic Aperture Radar,SAR）具有较强的穿透性且对生物量敏感,因而此波段成为探测地表、植被等隐藏目标的有效手段。然而,由于P波段的SAR信号受到背景电离层色散特性和电离层不规则体随机起伏特性的影响,因此雷达图像散焦严重。在雷达成像中,如果在硬件上提高雷达图像分辨率,会增加生产成本,因此从成像算法的角度提高图像质量成为最合理的方法。本文旨在利用深度
关于移动机器人的研究始终绕不开导航控制,目前有很多优秀的算法应用于机器人导航,取得了众多成果,但这些算法大多依赖环境地图或者局限于理论方面。因此本文的目的在于设计一个不依赖环境地图的端到端导航模型,并提高机器人的实际应用能力,主要研究内容如下:首先,概述课题研究意义和背景,简单介绍了几种传统导航算法原理和局限性,重点分析了强化学习导航原理和应用现状,根据不同的算法方案分析了强化学习在导航领域存在的
在神经科学和生物医学信息处理领域,锋电位分类是从细胞外采集的信号中提取单个神经元放电信息的关键步骤。锋电位是神经元细胞膜上快速且短暂的电位变化,是大脑中神经元进行信息传递的主要途径。尽管目前已存在许多锋电位分类方法,但在准确性和鲁棒性方面仍有待提高。因此,本文提出了基于深度学习的锋电位分类方法,以更有效地实现锋电位分类,对于研究大脑的工作机制具有重要意义。首先,提出了一种基于一维卷积神经网络（CN
光纤传感器由于其体积小、不受电磁干扰、环境适应性强等特点,被广泛应用于压力测量。本文基于游标（Vernier）效应和保偏光子晶体光纤的Sagnac干涉特性,提出了一种利用F-P腔增敏的分离型压力传感结构,并将传统Sagnac干涉环改良成了直线型,使传感器具有更简单的结构。该传感系统为全光纤结构,具有在高压环境中工作的潜力。论文的主要内容如下:首先,对比了几种光纤压力传感器的优缺点,分析了Sagna
压缩感知提供了一种新型信息处理方式,它充分利用信号的稀疏性,以远低于Nyquist的采样率进行随机采样以获取离散样本,然后通过重构算法实现对原始信号的良好恢复。压缩感知主要包括三个方面的内容,其中重构算法的设计是压缩感知成功恢复信号的关键。近似消息传递算法的特点是计算复杂度低,重构精度高,是一种高效的重构算法。该文应用近似消息传递算法对图像进行压缩感知重构,具体工作如下:首先,针对基于K-mean