基于深度学习的心电信号分类方法研究.pdf

目录 1 绪论1 1.1 选题背景与意义 1 1.2 国内外研究现状 2 1.2.1 心电信号预处理研究现状 2 1.2.2 心电信号特征提取研究现状 3 1.2.3 心电信号分类算法研究现状 4 1.3 本文主要工作内容 6 1.4 本文组织结构 7 2 心电信号预处理9 2.1 心电信号相关知识 9 2.1.1 心电信号产生的机理 9 2.1.2 心电信号各波段介绍 10 2.1.3 心电信号中的噪声 11 2.2 心电信号预处理过程 12 2.2.1 心电信号数据库 12 2.2.2 心电信号去噪 13 2.2.3 心拍分割 15 2.3 本章小结 18 3 基于CNN 的心电信号分类19 3.1 CNN 简单介绍及相关技术 19 3.2 CNN 心电信号分类模型搭建 23 3.2.1 分类模型具体设计 23 3.2.2 分类算法描述及实验流程 23 3.3 分类实验结果及分析 25 3.3.1 实验结果评价标准 25 3.3.2 数据不平衡优化 28 3.3.3 实验结果及分析 30 3.4 本章小结 35 4 基于CNN+LSTM 的心电信号分类36 4.1 循环神经网络分析 36 I 4.1.1 循环神经网络特点 36 4.1.2 LSTM 网络结构分析 37 4.2 CNN+LSTM 心拍分类网络模型搭建 38 4.2.1 CNN+LSTM 网络框架 38 4.2.2 LSTM 层算法步骤 40 4.3 分类实验结果及对比分析 41 4.4 本章小结 47 5 基于Seq2Seq+Attention 的心电信号分类48 5.1 Seq2Seq 网络结构分析 48 5.1.1 Seq2Seq 基本结构 48 5.1.2 ECG 信号特征的编解码方式 49 5.2 Attention 机制 50 5.3 带有Attention 机制的Seq2Seq 网络模型搭建 52 5.3.1 分类模型整体结构 52 5.3.2 Seq2Seq+Attention 心拍分类过程 55 5.4 实验过程与结果分析 57 5.4.1 参数寻优实验 57 5.4.2 实验结果分析 61 5.4.3 心拍分割采样点数对结果的影响 64 5.4.4 本文与其他研究结果横向对比 66 5.5 本章小结 69 6 总结与展望70 6.1 总结 70 6.2 展望 70 参考文献72 攻读硕士期间的主要研究成果77 致谢78 II Content 1 Introduction 1 1.1 Background and Significance 1 1.2 Research status at Home and Abroad2 1.2.1 Research status of ECG signal Preprocessing 2 1.2.2 Research status of Feature Extraction of ECG 3 1.2.3 Research Status of ECG Classification Algorithm4 1.3 Main contents of This Paper 6 1.4 Organizational Structure 7 2 ECG Signal Preprocessing 9 2.1 ECG Related Knowledge 9 2.1.1 Mechanism of ECG Generation 9 2.1.2 Introduction to Each Band of