版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、心血管疾病的發(fā)病率和死亡率逐年增高，心電信號ECG作為一種非侵入式測量手段，反應(yīng)了人體心臟活動的電信號，被廣泛應(yīng)用于心血管疾病診斷中。心律失常是一組常見且重要的心血管疾病，心電信號中心律失常的自動分類算法研究在臨床上具有重要價值。心電信號自動分類算法關(guān)鍵在于有效特征提取，傳統(tǒng)分類算法依賴經(jīng)驗和先驗知識，對心電信號進行人工手動特征設(shè)計和選擇，費時費力，不能充分挖掘隱含在海量心電信號背后的特征。
本研究主要內(nèi)容包括：⑴基于小波分解
2、閾值處理的心電信號濾波。根據(jù)心電信號和噪聲頻率分布特點，選擇Symlet4小波基對心電信號進行9尺度小波分解，將1、9尺度小波系數(shù)置零，本文使用了一種改進閾值處理方法，并根據(jù)噪聲在不同小波尺度上的特點提出了一種自適應(yīng)閾值確定方法，對其他尺度小波系數(shù)進行閾值處理后重構(gòu)信號，從而達到濾波目的，結(jié)果顯示本文提出的自適應(yīng)閾值濾波方法優(yōu)于其他方法，能有效濾除ECG中各種噪聲。⑵基于深度置信網(wǎng)絡(luò)（Deep Belief Nets, DBN）的心律失
3、常心拍分類方法。本文構(gòu)建了一個DBN網(wǎng)絡(luò)完成心電信號特征學(xué)習(xí)和自動分類任務(wù)，DBN由三層限制波爾茨曼機（Restricted Botlzmann Machines, RBM）和Softmax分類器堆疊而成，首先對各層RBM和Softmax進行預(yù)訓(xùn)練，然后利用預(yù)訓(xùn)練得到的權(quán)值參數(shù)對DBN進行初始化，最后利用誤差反向傳播算法對DBN進行有監(jiān)督的微調(diào)，從而使網(wǎng)絡(luò)盡可能收斂到全局最優(yōu)值以提高心電信號分類精度。將深度學(xué)習(xí)方法應(yīng)用于心電信號自動分類
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
評論
0/150
提交評論