bck

收藏本站

心律失常与心力衰竭智能诊断方法研究

【摘要】:近年来,心血管相关疾病已经成为威胁人类生命健康的“头号杀手”,得到了人们的重视。心律失常与心力衰竭都是比较常见的心脏疾病,对这两类疾病进行及时准确的检测和诊断,能够及早地对患病人群或高风险人群进行治疗或干预,对于提高人们生活质量有着重要的社会价值和研究意义。心电图作为一种无创检测方法,一直是检测和诊断心脏疾病的重要工具。特别是随着智能硬件和物联网的不断发展,可佩戴式心电监护仪成为了人们进行日常心脏健康监护的新选择。因此,如何基于可佩戴式心电监护仪所采集到的信号(一般情况下为单导联心电信号或连续心率信号)进行智能检测和诊断,成为了心血管疾病智能诊断领域的研究热点。本文基于以上考虑,重点研究基于单导联心电信号和连续心跳节律信号进行心律失常及充血性心力衰竭智能诊断的相关算法与技术,分析心电信号自动识别和诊断过程中存在的问题,在提升识别准确度的同时,保证识别速度,为这两类心血管疾病的智能诊断系统的建立提供技术支持,促进智能识别在心脏健康监护中的应用。而出于对采集设备便携性和识别精准度的综合考虑,本文还对如何从三导联心电信号重构标准十二导联心电信号的方法进行了研究,为未来更准确、更方便地进行心脏健康监控打下了基础。主要的工作内容和创新成果包括:第一,在心电信号预处理部分,本文对仿生小波变换进行了调整与改进,使其更加适用于心电信号,并结合傅立叶变换提出一种自适应仿生小波的快速实现方法;其次提出一种自适应阈值方法对心电信号中包含的噪声进行去除;最后,对心电信号中的R波位置进行识别,提取RR间隔信号。实验结果证明,本文所提出的去噪方法能够在保持较好的心电波形特征的前提下,对心电信号中的干扰,特别是基线漂移噪声进行有效的滤除;而针对R波位置的检测正确率达到了99.67%,取得了理想的效果。有效、准确的心电信号预处理工作能够为后续不同种类心血管疾病的智能识别与诊断奠定基础。第二,本文从心律失常诊断的实际需求出发,基于改进的半监督近邻传播聚类方法对心律失常进行识别。本文首先利用独立成分分析方法对心拍信号进行降维,并得到能够有效代表心拍信号的独立成分系数,之后结合两种方法对近邻传播算法进行调整,基于拥有少量带标签样本的假设,采用半监督近邻传播算法对心拍信号特征进行聚类分析;最后,将同一类别中的心拍信号聚集在一起进行展示并对提出的算法进行评估。该方法可以避免由于非最优初始化等原因导致的决策误差,在实际应用能很好地工作。实验证明,该方法的检测准确度达到了98.4%,对心律失常的识别有着重要价值。第三,本文基于连续RR间隔信号对心力衰竭进行智能诊断。本研究提出了两种基于深度学习模型的方法。在第一种方法中,本文基于2014年由谷歌提出的“Inception”网络架构,提出一种将长短时记忆网络(LSTM)与卷积神经网络(CNN)相结合的深度网络模型,并利用所提出的深度网络模型基于短期RR间隔数据进行心力衰竭的检测;而在第二种方法中,本文利用6层深度网络作为特征提取器,对短期RR间隔信号中的高维度(high-level)特征进行提取,结合专家经验特征进行集成式心力衰竭检测。经过实验与对比分析,两种方法均能够达到较高的准确度:在针对严重性心力衰竭的检测中,达到了近似100%的准确率;而在针对非严重性心力衰竭的检测中,也达到了85%以上的准确率。然而,从整体上来看,集成式学习还是略胜一筹。原因可能在于深度学习方法允许在高维原始空间中进行自动的特征提取工作,它可以通过组合底层特征来发现数据的分布式特征表示,从而对数据进行更加具体的表达;而专家经验则蕴含了人类的智慧,将两者结合在一起,能够更有效地进行心力衰竭的识别,达到更好的识别效果。最后,本文基于卷积神经网络设计了一个由三导联向标准十二导联转换的系统,并基于国际权威数据库对模型进行了多层次的验证。实验结果表明,采用该方法重构的合成心电信号与真实心电信号之间具有较高的相似性和较低的误差。该方法将平均相关系数提升了约3%(特异模型)和2%(通用模型),将平均均方根偏差降低了约71%(特异模型)和约12%(通用模型)左右。综上所述,该系统能够为便携式心电检测系统提供更丰富的心脏健康状态信息,满足实际应用中的需求。

下载App查看全文

(如何获取全文? 欢迎:、、)

支持CAJ、PDF文件格式


【相似文献】
中国期刊全文数据库 前19条
1 陈蒨;;提炼“核心问题”,发展“数学学力”[J];数学教学通讯;2019年13期
2 何绪铜;;深度追问,促进学生深度思考——以人教版小学数学四年级下册“观察物体(二)”一课教学为例[J];小学教学参考;2016年35期
3 陈侠;;指导学生理性观察的思考与实践——以观察生物器官为例[J];中学生物学;2016年12期
4 孙学东;;一次函数图象为什么是一条直线[J];中学数学杂志;2017年02期
5 马振萍;;“深度学习”视角下《碳的单质(课时1)》的教学[J];教育视界;2017年07期
6 黄慧慧;;我把孩子教懒了——关于深度学习的思考[J];新课程(综合版);2018年10期
7 濮姚良;;沐数学之光,享实验之果[J];数学大世界(中旬);2017年08期
8 胡志恒;谢海蓉;崔栋才;;基于深度学习的证券趋势特征分析方法[J];金融经济;2018年20期
9 林柏雨;;引导学生深度学习[J];知识经济;2016年02期
10 李开菊;郑波尽;;浅谈深度学习[J];软件;2016年05期
11 徐芳芳;;促进深度学习翻转课堂的知识内容设计研究[J];中国现代教育装备;2016年21期
12 苏秀芝;左国才;张珏;;基于深度学习框架的短文本情感分析方法研究[J];数字技术与应用;2019年02期
13 张文强;;基于学讲计划的科学高效课堂的构建[J];科学大众(科学教育);2018年04期
14 吴孙富;秦丽;张圣涛;;例谈深度学习与深度教学的关系[J];化学教学;2016年05期
15 徐宾;;基于“深度学习”的化学教学须把握好“五个度”[J];中小学教师培训;2016年03期
16 邢红琴;;浅谈如何让初中数学课堂深度学习更具有效性[J];数理化解题研究;2016年09期
17 缪华;;教材概念的深度开发——以实践的涵义为例[J];思想政治课教学;2019年06期
18 陈柏良;;发展学生数学核心素养的教学微设计[J];江苏教育;2018年83期
19 杨琼;;网络环境下基于深度学习的信息技术教师专业成长[J];中小学电教;2013年05期
中国重要会议论文全文数据库 前10条
1 胡勇;郭冬发;谢胜凯;;基于深度学习结合质谱数据采集的土壤归属地分析研究[A];第三届全国质谱分析学术报告会摘要集-分会场6:无机质谱[C];2017年
2 徐梦洋;;基于深度学习的行人再识别研究综述[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年
3 李玉刚;张露予;;基于旋律的音乐检索技术综述[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
4 陆青;储以微;;形成性评价促进深度学习[A];第十二届全国免疫学学术大会分会场交流报告集[C];2017年
5 高志恒;;台标监测系统在电视安全播出监管中的应用[A];中国新闻技术工作者联合会2017年学术年会论文集(优秀论文篇)[C];2017年
6 任海平;李伟忠;姚诚伟;;基于深度学习的智能写稿辅助服务设计[A];中国新闻技术工作者联合会2017年学术年会论文集(学术论文篇)[C];2017年
7 吴正午;朱恩成;蒋昊东;;深度学习在装备信息保障中的应用研究[A];第四届中国指挥控制大会论文集[C];2016年
8 贾永坡;;基于深度学习的板坯低倍质量评级系统[A];第十一届中国钢铁年会论文集——S18.冶金自动化与智能管控[C];2017年
9 邓裕霞;;教师如何以深度教学引发学生深度学习[A];教育理论研究(第八辑)[C];2019年
10 惠国保;;基于深度学习的自动目标识别技术[A];第四届中国指挥控制大会论文集[C];2016年
中国博士学位论文全文数据库 前10条
1 王露笛;心律失常与心力衰竭智能诊断方法研究[D];北京邮电大学;2019年
2 徐俊;基于视觉的文本生成方法研究[D];中国科学技术大学;2018年
3 周浩;基于神经网络的句法分析研究[D];南京大学;2017年
4 于政;基于深度学习的文本向量化研究与应用[D];华东师范大学;2016年
5 于墨;自然语言句子级结构表示的建模与学习[D];哈尔滨工业大学;2016年
6 冯子勇;基于深度学习的图像特征学习和分类方法的研究及应用[D];华南理工大学;2016年
7 王宝勋;面向网络社区问答对的语义挖掘研究[D];哈尔滨工业大学;2013年
8 夏丁胤;互联网图像高效标注和解译的关键技术研究[D];浙江大学;2010年
9 梅晓光;傅里叶变换红外超光谱数据分类方法研究[D];华中科技大学;2016年
10 田飞;用于自然语言分布式表达的联合学习方法研究[D];中国科学技术大学;2016年
中国硕士学位论文全文数据库 前10条
1 王家伟;基于链接线的自然场景文字检测技术的研究[D];哈尔滨工业大学;2018年
2 黄文;面向自动家装生成的户型图识别方法研究[D];合肥工业大学;2018年
3 马文圣;面向微博的新词情感倾向性研究[D];北京邮电大学;2016年
4 林妙真;基于深度学习的人脸识别研究[D];大连理工大学;2013年
5 施维蒨;门限玻尔兹曼机在人脸识别中的鲁棒性研究[D];北京交通大学;2015年
6 吕丽芬;网络环境下开展学习叙事促进学生深度学习研究[D];浙江师范大学;2011年
7 刘路;大学生深度学习的内涵与结构模型研究[D];湖北师范大学;2016年
8 廖智勇;网络环境下促进大学生深度学习的研究[D];南昌大学;2014年
9 袁晶;利用教材促进高三学生深度学习的教学策略研究[D];上海师范大学;2013年
10 杨浩;深度学习与主成分分析融合的研究与应用[D];成都理工大学;2016年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978


{bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bcksports}| {bck体育下载}| {bckbet}| {bcksports}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bck官网}| {bck体育下载}| {bckbet}| {bcksports}| {bck官网}| {bck体育app}| {bck体育}| {bcksports}| {bck官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck官网}| {bck体育}| {bcksports}| {bck官网}| {bck体育官网}| {bck体育下载}| {bck体育}| {bckbet}| {bcksports}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bck体育}| {bckbet}| {bck官网}| {bck}| {bck体育官网}| {bck体育下载}| {bck体育app}| {bcksports}| {bck官网}| {bck}| {bck体育官网}| {bcksports}| {bck体育下载}| {bck体育app}| {bckbet}|
{uc8}| {uc8体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐城}| {uc8彩票}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8老虎机}| {UC8娱乐}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8老虎机}| {uc8彩票}| {uc8}| {uc8体育}| {UC体育}| {uc8官网}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {uc8彩票}| {uc8}| {uc体育}| {UC体育}| {UC8娱乐城}| {uc8}| {UC体育}| {uc8官网}| {uc8老虎机}| {uc8}| {uc体育}| {uc8体育}| {UC体育}| {uc8官网}| {uc8老虎机}| {UC8娱乐}| {UC8娱乐城}|