检索结果-南通市图书馆

作者：陈二玲华中科技大学

学位级别：硕士

心房颤动是最常见的心律失常之一,不仅会独自发作,还会增加相关并发症的发病率以及死亡率。因此,针对房颤的自动分类具有重要的临床意义。由于常规的12导联心电图具有侵入性和不便携的缺点,越来越多的便携式传感器用于实时监测和采集生... 详细信息

心房颤动是最常见的心律失常之一,不仅会独自发作,还会增加相关并发症的发病率以及死亡率。因此,针对房颤的自动分类具有重要的临床意义。由于常规的12导联心电图具有侵入性和不便携的缺点,越来越多的便携式传感器用于实时监测和采集生理数据,产生了单导联心电图信号。目前,已经有很多研究者提出了基于单导联心电信号房颤自动分类算法,但由于所选用特征的不可靠性以及分类器的泛化能力受限等问题,基于单导联心电信号的房颤自动分类研究中仍存在很大的挑战。通过对心电数据的分析,发现正常心律和房颤心律在心电数据上存在局部特征和全局相关性差异,因此设计两个模型验证。所提出的两个模型都是端到端的,无需对原始数据进行复杂的预处理或特征加工。首先提出了基于双通道卷积神经网络房颤自动分类算法,在第一个通道使用卷积神经网络学习数据的局部特征,在第二个通道使用注意力机制和长短期记忆网络学习数据的全局相关性,最终将两个通道学到的特征以并联的方式融合。为了充分捕捉局部特征和全局特征之间更深层次的相互作用,在双通道卷积神经网络模型的基础上进行优化,提出了基于注意力残差网络房颤自动分类算法,使用残差连接实现把浅层特征传递到深层网络,使用通道注意力关注全局相关性,模型以串联的方式交互提取融合局部特征和全局特征。所设计的双通道卷积神经网络模型以较低的时间复杂度在2018年CPSC挑战赛的公开数据集上达到对12导联心电信号心律分类的平均F为0.82,对单导联心电信号心律分类的平均F为0.78。所设计的注意力残差网络模型在2017年Physio Net挑战赛的公开数据集上达到对正常、房颤和其他心律F分别为0.91、0.81和0.80,平均F为0.84,并使用类激活映射技术可视化特定标签的贡献区域。所提出的两个模型分别以并联和串联的形式验证了正常心律和房颤心律在心电数据上存在局部特征和全局相关性差异,为今后研究提供了一个重要的参考。

关键词：房颤分类单导联心电信号残差网络长短期记忆网络注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自注意力机制和单导联心电信号的自动睡眠分期算法

引用

计算机与现代化 2022年第12期 50-59页

作者：栗伟松汤敏芳何征岭王鹏杜利东方震陈贤祥中国科学院空天信息创新研究院北京100190 中国科学院大学电子电气与通信工程学院北京100049

基于手工标记或传统机器学习方法实现睡眠分期过程复杂且效率低下,深度神经网络因其强大的提取复杂特征的能力改善了睡眠分期结果,但仍存在忽略片段内部信息相关性的问题。针对此问题,本文提出一种基于自注意力机制和单导联心电信号的... 详细信息

基于手工标记或传统机器学习方法实现睡眠分期过程复杂且效率低下,深度神经网络因其强大的提取复杂特征的能力改善了睡眠分期结果,但仍存在忽略片段内部信息相关性的问题。针对此问题,本文提出一种基于自注意力机制和单导联心电信号的自动睡眠分期算法,利用卷积模块、双向门控循环单元及自注意力机制实现特征自动提取与分类。在开源睡眠心脏健康研究数据库(SHHS1、SHHS2)、动脉粥样硬化的多民族研究数据库(MESA)和美国麻省理工的多导睡眠数据库(MITBPD)中分别选取1000、1000、1000和16名受试者的单导联心电信号数据进行训练和测试,得到模型睡眠四分类(觉醒、快速眼动期、浅睡眠和深睡眠)结果,分类准确率分别达到75.77%(kappa=0.63)、81.01%(kappa=0.66)、82.79%(kappa=0.71)和76.22%(kappa=0.58),优于基于传统机器学习算法的睡眠分期结果,验证了提出模型的有效性。

关键词：自动睡眠分期单导联心电信号卷积网络门控循环单元自注意力机制

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

EWT算法在单导联心电信号去噪中的研究

引用

杭州电子科技大学学报（自然科学版） 2019年第5期39卷 13-18页

作者：彭荣辉赵治栋张烨菲杭州电子科技大学电子信息学院浙江杭州310018 浙江省杭电智慧城市研究中心浙江杭州310018 杭州电子科技大学通信工程学院浙江杭州310018

针对小波软阈值消噪算法缺乏自适应性与经验小波变换(Empirical Wavelet Tranform,EWT)去噪算法无法有效滤除心电信号(Electrocardiogram,ECG)中的肌电干扰噪声问题,提出一种EWT小波去噪算法。首先,将ECG信号通过EWT算法的自适应分解得... 详细信息

针对小波软阈值消噪算法缺乏自适应性与经验小波变换(Empirical Wavelet Tranform,EWT)去噪算法无法有效滤除心电信号(Electrocardiogram,ECG)中的肌电干扰噪声问题,提出一种EWT小波去噪算法。首先,将ECG信号通过EWT算法的自适应分解得到多分辨率的经验模态分量(Empirical Mode Functions,EMFs);然后,对EMFs信号分量进行小波消噪;最后,通过重构信号分量得到去噪后的ECG信号。实验表明:算法可有效滤除ECG信号中的工频干扰、基线漂移、肌电干扰噪声,且在信噪比、均方根误差、自相关系数等算法评估指标上均优于小波软阈值和集合经验模态分解去噪算法。

关键词：单导联心电信号经验小波变换去噪

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：