心电图波形智能识别与基于深度学习的房颤检测关键技术研究

发布时间:2024-04-15 01:08
  心房颤动简称房颤,是最常见的持续性心律失常之一,我国现有患者已高达800万人。心电图作为监测心脏病的最直接最有效的诊断依据,在早期发现、持续检测等方面具有巨大的优势。依托人工智能技术的发展和远程云医疗模式的普及,研究基于体表心电图的房颤检测算法对心血管疾病自动分析系统的建设具有重要的意义。房颤的检测研究方向大致可以分为两点,其一是基于特征联合的检测方法,其二是基于神经网络的无监督方法,然而不论是特征检测方式还是无监督方式都存在不足之处。特征联合检测方式对特征质量要求极高,无监督检测方式需要大量标注样本进行训练,对检测模型和医疗平台的处理性能要求高。针对该问题,本文提出了心电图波形智能识别算法和基于长短时记忆神经网络(Long Short-term Memory Networks,LSTM)的房颤检测机制。首先,从心电产生机理和房颤发作特征两方面分析了房颤的心电图特点;然后采用联合小波变换与差分修正的方法定位心电信号的波形基准点;最后采用长短时记忆神经网络作为分类器来识别房颤。论文的主要研究内容如下:(1)详细分析了心电信号的产生机理和体表采集信号的噪声特点。针对传统常见降噪算法会导致心...

【文章页数】:70 页

【学位级别】:硕士

【部分图文】:

图2.2电极位置及各导联与心脏的位置关系

图2.2电极位置及各导联与心脏的位置关系

齐鲁工业大学硕士学位论文11图2.2电极位置及各导联与心脏的位置关系。其中(A)为胸腔与上肢电极位置分布,(B)为下肢电极位置分布,(C)为各导联与心脏的位置关系。I=LA-RAII=LL-RAIII=LL-RA-LAaVR=RA-(LL+LA)/2aVL=LA-(RA+LL)/....


图4.6房颤自动检测算法流程

图4.6房颤自动检测算法流程

齐鲁工业大学硕士学位论文39图4.6房颤自动检测算法流程4.2.2房颤数据处理本文所使用的房颤患者和正常人的样本记录来自MIT-BIH房颤数据库,该库中有25条记录,但只有23组含有采样记录,所有的数据也均为双导联。对这23条数据进行了处理,使用3.2节所提出的方法提取出RR间期....


图4.7序列输入组合示意图

图4.7序列输入组合示意图

齐鲁工业大学硕士学位论文39图4.6房颤自动检测算法流程4.2.2房颤数据处理本文所使用的房颤患者和正常人的样本记录来自MIT-BIH房颤数据库,该库中有25条记录,但只有23组含有采样记录,所有的数据也均为双导联。对这23条数据进行了处理,使用3.2节所提出的方法提取出RR间期....


图4.8基于体表心电图序列信息的房颤检测网络结构

图4.8基于体表心电图序列信息的房颤检测网络结构

第4章基于长短时记忆神经网络的房颤检测算法40个最大池化层保留重要信息,最后经过全连接层做房颤与正常的二分类。模型的架构如图4.8所示:图4.8基于体表心电图序列信息的房颤检测网络结构Bi-LSTM网络层使用了注意力机制来处理LSTM网络的中间输出结果,注意力机制会将关键特征赋予....



本文编号:3955503

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/shengwushengchang/3955503.html


Copyright(c)文论论文网All Rights Reserved | 网站地图

版权申明:资料由用户fd61f***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱[email protected]