本文關(guān)鍵詞：基于隱馬爾可夫模型的J波識(shí)別技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：J波是出現(xiàn)在心電圖中QRS波下降支終點(diǎn)的一個(gè)看起來(lái)像凹口或頓挫的波形。J波是一種低幅、高頻的變異波形,往往出現(xiàn)在早期復(fù)極化綜合征和Brugada綜合征病人的心電圖中,容易導(dǎo)致心率失常和猝死。臨床上,醫(yī)生只能通過(guò)肉眼觀察心電圖中的J波變異,容易造成誤診。因此,J波檢測(cè)在臨床上可以作為判定某些心臟病的一種非侵入性的標(biāo)記手段。本文中首先利用獨(dú)立成分分析技術(shù)從心電圖中提取原始J波信號(hào)。并利用模糊神經(jīng)網(wǎng)絡(luò)的模型對(duì)提取算法進(jìn)行了改進(jìn),定義了分離度的概念,根據(jù)迭代過(guò)程中的分離度的不同選擇不同的步長(zhǎng),使得提取過(guò)程中的算法收斂速度和穩(wěn)態(tài)誤差達(dá)到均衡。根據(jù)提取的J波,構(gòu)建了一個(gè)包括2000個(gè)心電模式的數(shù)據(jù)庫(kù)。其次,本文定義了五個(gè)能反映J波特性的特征向量,包括三個(gè)時(shí)域特征向量和兩個(gè)基于小波的特征向量,并使用特征選擇和主成分分析減少特征向量的維數(shù),作為分類器的輸入。而且,本文研究了時(shí)域特征向量的理想配置,這個(gè)理想配置是(a)140ms的時(shí)間延續(xù),(b)-20ms的起點(diǎn)位置,和(c)保留9個(gè)主成分。最后,利用這些特征向量訓(xùn)練隱馬爾可夫模型作為分類器的輸入,輸出最終的判定結(jié)果。結(jié)果表明,本文提出的方法提供了93.8%的平均準(zhǔn)確度,94.2%的平均敏感性,93.3%的平均特異性和93.4%的平均陽(yáng)性預(yù)測(cè)值,揭示了很高的評(píng)價(jià)標(biāo)準(zhǔn)(準(zhǔn)確度,靈敏度,特異性和陽(yáng)性預(yù)測(cè)值),表明該方法有能力準(zhǔn)確地檢測(cè)識(shí)別J波并且可以利用該方法檢測(cè)心電圖中的其他病變波形。
【關(guān)鍵詞】：J波自動(dòng)檢測(cè) 心電圖 特征提取 獨(dú)立成分分析 隱馬爾可夫模型
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：R540.41;O211.62
【目錄】：

• 摘要3-5
• ABSTRACT5-14
• 第一章 緒論14-20
• 1.1 課題研究背景與意義14-15
• 1.2 J波信號(hào)的研究現(xiàn)狀15-17
• 1.3 隱馬爾可夫模型的研究現(xiàn)狀與發(fā)展趨勢(shì)17-18
• 1.4 本文的主要工作和章節(jié)安排18-20
• 第二章J波的提取20-28
• 2.1 J波的介紹20-22
• 2.1.1 J波的發(fā)生機(jī)制20
• 2.1.2 J波的特征20-21
• 2.1.3 J波綜合征及其診斷特征21-22
• 2.2 ICA算法相關(guān)理論知識(shí)22-23
• 2.3 基于ICA算法的J波提取23-25
• 2.4 算法仿真及評(píng)價(jià)25-27
• 2.4.1 分離性能的評(píng)判準(zhǔn)則25
• 2.4.2 算法仿真25-27
• 2.5 本章小結(jié)27-28
• 第三章 基于模糊神經(jīng)網(wǎng)絡(luò)改進(jìn)ICA提取J波算法28-40
• 3.1 模糊神經(jīng)網(wǎng)絡(luò)概述28-30
• 3.1.1 模糊控制基本概念28-29
• 3.1.2 模糊神經(jīng)網(wǎng)絡(luò)原理29-30
• 3.2 利用模糊神經(jīng)網(wǎng)絡(luò)調(diào)整學(xué)習(xí)速率30-34
• 3.2.1 分離度30-31
• 3.2.2 模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及模糊規(guī)則31-34
• 3.3 算法仿真及評(píng)價(jià)對(duì)比34-39
• 3.4 本章小結(jié)39-40
• 第四章J波的特征提取40-48
• 4.1 構(gòu)建數(shù)據(jù)庫(kù)40-42
• 4.1.1 基本J波的生成40-41
• 4.1.2 構(gòu)造大規(guī)模J波數(shù)據(jù)庫(kù)41-42
• 4.2 預(yù)處理42-43
• 4.2.1 利用多拍平均技術(shù)去提高信噪比42-43
• 4.2.2 定位QRS波群終點(diǎn)43
• 4.3 提取特征向量43-47
• 4.3.1 時(shí)域特征向量I43-44
• 4.3.2 時(shí)域特征向量II44
• 4.3.3 時(shí)域特征向量III44
• 4.3.4 基于離散小波的特征向量44-45
• 4.3.5 基于連續(xù)小波變換的特征向量45-47
• 4.4 本章小結(jié)47-48
• 第五章 基于隱馬爾可夫模型的J波自動(dòng)識(shí)別48-60
• 5.1 隱馬爾可夫模型基本理論48-50
• 5.2 基于隱馬爾可夫模型進(jìn)行J波自動(dòng)識(shí)別50-52
• 5.2.1 特征向量統(tǒng)計(jì)檢驗(yàn)和特征選擇50-51
• 5.2.2 分類識(shí)別51-52
• 5.3 算法仿真及評(píng)價(jià)對(duì)比52-58
• 5.3.1 評(píng)價(jià)標(biāo)準(zhǔn)定義52-53
• 5.3.2 時(shí)域特征向量I的最佳配置確定53-54
• 5.3.3 算法性能分析54-55
• 5.3.4 與其他算法進(jìn)行對(duì)比55-58
• 5.4 分析與結(jié)論58-59
• 5.4.1 分析58-59
• 5.4.2 結(jié)論59
• 5.5 本章小結(jié)59-60
• 第六章 總結(jié)與展望60-64
• 6.1 總結(jié)60-62
• 6.2 不足之處62
• 6.3 下一步工作及前景展望62-64
• 參考文獻(xiàn)64-70
• 致謝70-72
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文和科技成果72-74
• 攻讀碩士期間參與的項(xiàng)目74

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預(yù)測(cè)[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年14期

2 侯昭武;;隱馬爾可夫模型的拓樸應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

3 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計(jì)工程;2013年17期

4 王新民;基于因子分析的隱馬爾可夫模型(英文)[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

5 曹林;王東峰;鄒謀炎;;基于隱馬爾可夫模型的人像鑒別算法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2006年01期

6 鄒凌云;王正志;黃教民;;基于序列拓?fù)浜投A隱馬爾可夫模型的跨膜蛋白亞細(xì)胞定位預(yù)測(cè)[J];激光生物學(xué)報(bào);2008年02期

7 馮志偉;;隱馬爾可夫模型及其在自動(dòng)詞類標(biāo)注中的應(yīng)用[J];燕山大學(xué)學(xué)報(bào);2013年04期

8 趙征鵬,楊鑒,普?qǐng)@媛,尉洪;基于隱馬爾可夫模型的非母語(yǔ)說(shuō)話人口音識(shí)別[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年S1期

9 杜世平;;帶駐留時(shí)間隱馬爾可夫模型學(xué)習(xí)算法的改進(jìn)[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

10 朱明;郭春生;;隱馬爾可夫模型及其最新應(yīng)用與發(fā)展[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2010年07期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語(yǔ)方言辨識(shí)[A];2009’中國(guó)西部地區(qū)聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

3 吳志強(qiáng);陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無(wú)關(guān)的說(shuō)話人辨認(rèn)的研究[A];第四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測(cè)與識(shí)別中的應(yīng)用[A];現(xiàn)代通信理論與信號(hào)處理進(jìn)展——2003年通信理論與信號(hào)處理年會(huì)論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識(shí)別[A];第一屆全國(guó)語(yǔ)言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

6 徐東風(fēng);周萍;景新幸;;改進(jìn)隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國(guó)聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測(cè)與識(shí)別系統(tǒng)[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

8 秦勇;莫福源;李昌立;關(guān)定華;;基于隱馬爾可夫模型的漢語(yǔ)二字詞音調(diào)模式識(shí)別[A];第三屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1994年

9 楊文強(qiáng);鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點(diǎn)識(shí)別[A];中國(guó)運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語(yǔ)隱馬爾可夫模型自動(dòng)建模軟件的實(shí)現(xiàn)[A];第四屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 李杰;隱馬爾可夫模型的研究及其在圖像識(shí)別中的應(yīng)用[D];清華大學(xué);2004年

2 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

3 劉韜;基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評(píng)估研究[D];上海交通大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動(dòng)伴奏技術(shù)研究[D];河南師范大學(xué);2015年

2 張凱;基于隱馬爾可夫模型的頻譜預(yù)測(cè)和感知方法研究[D];南京郵電大學(xué);2015年

3 趙效毓;基于最大熵隱馬爾可夫模型的基因啟動(dòng)子識(shí)別[D];南京農(nóng)業(yè)大學(xué);2014年

4 白雁飛;基于隱馬爾可夫模型的J波識(shí)別技術(shù)研究[D];太原理工大學(xué);2016年

5 王宇寧;隱馬爾可夫模型在信息抽取中的應(yīng)用研究[D];大連理工大學(xué);2007年

6 楊戰(zhàn);基于隱馬爾可夫模型的自動(dòng)和弦識(shí)別[D];哈爾濱工業(yè)大學(xué);2010年

7 王國(guó)剛;n階隱馬爾可夫模型的參數(shù)估計(jì)[D];南京郵電大學(xué);2011年

8 鄭小飛;基于隱馬爾可夫模型的驗(yàn)證碼識(shí)別方法研究[D];哈爾濱工程大學(xué);2013年

9 劉高文;基于隱馬爾可夫模型的視覺(jué)行為分析和異常檢測(cè)研究[D];南京理工大學(xué);2008年

10 陳倩;基于隱馬爾可夫模型脈象信號(hào)分類[D];哈爾濱工業(yè)大學(xué);2010年

  本文關(guān)鍵詞：基于隱馬爾可夫模型的J波識(shí)別技術(shù)研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：427638