發(fā)布時間：2023-11-05 12:40

　　心音是心臟跳動周期中各個組織(瓣膜、心肌、血液)運動產(chǎn)生的聲音,富含大量器官(心房、心室、大血管、瓣膜)的狀態(tài)信息,我們可以通過監(jiān)測血液循環(huán)產(chǎn)生的心音,在心血管疾病發(fā)生的初期有效開展治療工作�？紤]到我國幅員遼闊、醫(yī)療資源相對短缺的基本國情,心音的自動化聽診研究對我國的初級衛(wèi)生保健工作有著重大意義。本研究結(jié)合了深度學(xué)習(xí)和基于信息的相似度度量理論(IB S),提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)——交叉對比神經(jīng)網(wǎng)絡(luò)(CCNN)。網(wǎng)絡(luò)分為兩個主要部分,第一部分通過深度網(wǎng)絡(luò)提取特征,第二部分利用統(tǒng)計學(xué)理論度量特征向量之間的相似性進(jìn)行分類。本研究改進(jìn)了原始IBS理論中相似性的度量方法,提出了ModIBS理論,使CCNN能夠借助深度學(xué)習(xí)的強大特征挖掘能力,在統(tǒng)計和物理假設(shè)的基礎(chǔ)上,對動力學(xué)結(jié)構(gòu)生成的信號進(jìn)行分類。CCNN主要有以下幾個主要特點:1.使用交叉對比的輸入模式,一方面擴充了醫(yī)學(xué)小數(shù)據(jù)集,另一方面引入了除信號內(nèi)容信息之外的對比信息。2.利用統(tǒng)計度量的方法將先驗知識引入到神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程中,使網(wǎng)絡(luò)在統(tǒng)計學(xué)原理的支撐下,更加適應(yīng)醫(yī)學(xué)小數(shù)據(jù)集的訓(xùn)練。3.結(jié)構(gòu)靈活易調(diào)整,特征抽取、距離度量部分方法的選擇都非常...

【文章頁數(shù)】：81 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 心音信號分類的相關(guān)背景及研究意義
    1.2 國內(nèi)外該課題的研究現(xiàn)狀
    1.3 本文的主要研究內(nèi)容
    1.4 本文的組織結(jié)構(gòu)
第二章 心音信號的相關(guān)理論的介紹
    2.1 心音的產(chǎn)生原理
    2.2 心音的采集機制
    2.3 心音的組成部分
    2.4 心音正常與否的判別標(biāo)準(zhǔn)
第三章 CCNN系統(tǒng)原理介紹
    3.1 深度學(xué)習(xí)
    3.2 卷積神經(jīng)網(wǎng)絡(luò)
    3.3 遷移學(xué)習(xí)
    3.4 IBS理論
    3.5 CCNN網(wǎng)絡(luò)
第四章 數(shù)據(jù)分析方案設(shè)計及結(jié)果分析
    4.1 數(shù)據(jù)集介紹
    4.2 評價準(zhǔn)則介紹
    4.3 傳統(tǒng)基于分割方法的心音分類
        4.3.1 預(yù)處理
        4.3.2 特征構(gòu)建
        4.3.3 結(jié)果分析
    4.4 基于機器學(xué)習(xí)方法的心音分類
        4.4.1 預(yù)處理
        4.4.2 特征構(gòu)建
        4.4.3 結(jié)果分析
    4.5 基于CCNN的實驗設(shè)計
        4.5.1 預(yù)處理
        4.5.2 模型訓(xùn)練
        4.5.3 模型測試
        4.5.4 結(jié)果分析
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
碩士研究生期間主要工作及相關(guān)成果



本文編號：3861048