声明
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 深度学习在智慧医疗中的应用
1.2.2 深度学习与边缘计算的结合
1.2.3 ECG的自动诊断
1.2.4 数据增强
1.2.5 当前ECG研究存在的挑战
1.3 本文主要工作内容
1.4 论文组织结构
第2章 相关技术理论
2.1 ECG的相关理论
2.1.1 ECG信号中的波形介绍
2.1.2 ECG公开数据集
2.2 深度学习的相关理论
2.2.1 浅层神经网络
2.2.2 卷积神经网络
2.2.3 激活函数
2.2.4 网络优化方法
2.3 生成对抗网络
2.3.1 GAN基本原理
2.3.2 GAN常见模型结构
2.4 本章小结
第3章 基于边缘计算的ECG实时诊断方法
3.1 EdgeCNN混合架构
3.1.1 EdgeCNN混合架构分层详解
3.1.2 EdgeCNN运作机制
3.1.3 EdgeCNN实时性保证
3.2 ECG数据的预处理方法
3.2.1 基于小波变换的心电去噪
3.2.2 QRS波定位
3.3 实时诊断ECG的CNN模型
3.4 实验结果与分析
3.4.1 基于边缘设备的心电诊断模型的性能分析
3.4.2 两种架构延时比较
3.4.3 多重指标下的性能比较
3.5 本章小结
第4章 基于DCGAN的ECG数据增强
4.1 引言
4.2 MIT-BIH数据集现状
4.3 DCGAN模型
4.3.1 方法和模型结构
4.3.2 全局平均池化
4.3.3 GAN中的反卷积
4.4 数据增强过程及其结果分析
4.4.1 实验环境
4.4.2 数据增强过程及其分析
4.4.3 数据增强对诊断精度的影响
4.5 本章小结
结论
参考文献
致谢
附录A 发表论文和参加科研情况说明
湖南大学;
