深度学习在心电信号分类及降噪中的应用研究

声明

目 录

第 1 章 绪 论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 心律失常自动识别研究现状

1.2.2 心电图降噪处理的研究现状

1.3 本文主要工作

1.4 本文组织结构

第 2 章 心电图及神经网络模型介绍

2.1 引言

2.2 基本心电知识和心律失常

2.3 循环神经网络模型

2.3.1 循环神经网络模型概述

2.3.2 循环神经网络模型结构

2.3.3 循环神经网络模型的计算

2.4 长短期记忆网络（LSTM）模型

2.4.1 长短期记忆网络模型概述

2.4.2 长短期记忆网络模型原理结构

2.5 生成对抗网络模型

2.5.1 生成对抗网络模型概述

2.5.2 生成对抗网络模型结构

2.6 本章小结

第 3 章 基于 CNN 和 BiLSTM 的心律失常分类研究

3.1 数据预处理

3.1.1 去噪及 QRS 波定位

3.1.2 心跳节拍提取

3.2 CNN-BiLSTM 分类模型

3.2.1 基本框架

3.2.2 分类模型介绍

3.3 实验和评估

3.3.1 实验设置

3.3.2 数据集描述

3.3.3 评估指标

3.3.4 实验结果与分析

3.3.5 对比分析

3.4 本章小结

第 4 章 基于 WGAN 算法的心电信号降噪研究

4.1 心电信号的噪声类型

4.1.1 肌电干扰

4.1.2 工频干扰

4.1.3 基线漂移

4.2 基于 WGAN 的心电信号降噪模型

4.2.1 数据预处理

4.2.2 降噪模型

4.2.3 损失函数

4.3 实验和评估

4.3.1 实验设置

4.3.2 数据集描述

4.3.3 评估指标

4.3.4 实验结果与分析

4.3.5 对比分析

4.4 本章小结

结 论

参考文献

附录 A 攻读硕士学位期间发表的学术论文

致 谢