發(fā)布時間：2018-04-09 11:42

  本文選題：心拍識別　切入點：高層特征　出處：《吉林大學》2016年博士論文

【摘要】：心電圖的心拍心律失常種類和頻率是反應(yīng)心臟活動質(zhì)量的重要指標,也是診斷心血管疾病的主要依據(jù)。自動分析系統(tǒng)以信號的頻率分量、形態(tài)學的數(shù)學抽象、關(guān)鍵點的指標等信息為依據(jù)對心拍進行分類,而醫(yī)生則是結(jié)合經(jīng)驗對信號所含的語義概念進行理解后作出判斷,因此導致了計算機與人在對目標的理解方式上存在“語義鴻溝”。提取高層特征從而深度挖掘信號中的信息可以有效地跨越“語義鴻溝”,提高系統(tǒng)的準確性與實時性。圍繞面向心拍識別的心電圖高層特征,論文的主要研究工作如下:1.提出了心拍矢量量化編碼(Beats Vector Quantization,BVQ)特征,實現(xiàn)了心拍的高層特征提取。矢量量化編碼特征已在離散時間序列識別問題中展現(xiàn)了其準確率與計算量方面的優(yōu)越性,但是由于存在波形“鑒別性”弱的缺陷,因此現(xiàn)有的矢量量化編碼特征不適用于心拍識別。為解決該問題,提出了一種波形標準化方法,檢測心拍的組成波形,并將其進行標準化處理,提升了編碼特征的波形“鑒別性”,從而建立了BVQ特征及基于BVQ的心拍識別系統(tǒng)。使用QTDB為心拍數(shù)據(jù)源,固定心拍識別系統(tǒng)中的其他環(huán)節(jié),通過特征替換的方式建立實驗,將提出的BVQ特征與傳統(tǒng)的時域特征、頻域特征展開對比。結(jié)果表明BVQ特征在維度遠低于傳統(tǒng)特征的前提下可以取得較高的識別準確率,從而證實提出的方法可以有效提高系統(tǒng)的準確性與實時性。2.提出了高性能心拍編碼詞典,改進了心拍編碼特征詞典構(gòu)造原理。詞典直接決定了高層特征的分類性能,現(xiàn)有的詞典學習算法以所有詞典訓練樣本的組合作為詞典分量,存在對“臟數(shù)據(jù)(dirty data)”敏感的問題。為了解決該問題,提出了一種高性能心拍編碼詞典,其構(gòu)造原理為選取有代表性的樣本作為詞典分量,有效地避免了詞典學習過程中“臟數(shù)據(jù)”的影響,從而提高系統(tǒng)的準確性。為了驗證詞典的有效性,將提出的高性能心拍編碼詞典應(yīng)用到BVQ特征中,使用QTDB為心拍數(shù)據(jù)源,固定心拍識別系統(tǒng)中的其它環(huán)節(jié),通過特征替換的方式建立實驗。與傳統(tǒng)的時域特征、頻域特征展開對比,結(jié)果表明基于高性能詞典的BVQ特征可以在維度遠低于傳統(tǒng)特征的前提下取得最高的識別準確率,證實提出的高層特征可以提高系統(tǒng)的準確性與實時性;與采用傳統(tǒng)詞典學習方法的BVQ特征展開對比,結(jié)果表明提出的特征可以顯著提高識別準確率,證實提出的高效詞典學習方法可以提高編碼特征的有效性。3.提出了心拍目標屬性特征,改進了高層特征的提取準則。目前高層特征以編碼特征為主,編碼特征的提取準則是對底層信息進行數(shù)據(jù)挖掘得到高層信息,存在難以同時表達形態(tài)信息和空間信息的問題。為了解決該問題,提出了心拍目標屬性特征,其提取準則是以信號中的關(guān)鍵目標為屬性直接生成高層信息,進一步對高層信息建模得到特征,可以有效的同時表達形態(tài)信息和空間信息。為驗證目標屬性特征的有效性,使用QTDB為心拍數(shù)據(jù)源,固定心拍識別系統(tǒng)中的其他環(huán)節(jié),通過特征替換的方式建立實驗,與底層特征、編碼特征展開了對比,結(jié)果表明提出的目標屬性特征可以顯著提高識別準確率,證實提出的目標屬性高層特征可以改善心拍識別系統(tǒng)的準確性。
[Abstract]:In order to solve the problem , this paper proposes a waveform standardization method , which can effectively improve the accuracy and real - time performance of the system . In order to solve the problem , a high - performance heart - beat coding dictionary is proposed . The structure principle is to select a representative sample as a dictionary component to effectively avoid the influence of " dirty data " in the process of dictionary learning , and to improve the accuracy of the system . The results show that the proposed high - performance dictionary learning method can improve the accuracy and real - time of the system . The results show that the proposed high - level characteristic can improve the accuracy and real - time of the system .

【學位授予單位】：吉林大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：R540.4;TN911.7

【相似文獻】

相關(guān)期刊論文 前10條

1 范曉東，朱澤煌;心電特征點定位算法[J];北京生物醫(yī)學工程;1996年01期

2 朱燦生;《太極(陰、陽)-科學燈塔》初揭[J];按摩與導引;1986年05期

3 郭靜玉;何琳;景愛華;;閾值法在脈搏信號特征提取中的應(yīng)用[J];河南科技大學學報(醫(yī)學版);2011年01期

4 陳培軍,陳士貴,俞堯榮,劉向昕;二項式小波檢測心電特征點[J];航天醫(yī)學與醫(yī)學工程;2004年01期

5 周平;李傳富;陳荻;周康源;;一種基于小波變換的配準特征點自動標記算法[J];北京生物醫(yī)學工程;2007年04期

6 胡國寧,王煒,歐陽楷,鄒睿,寧新寶,朱兵;ART2網(wǎng)絡(luò)在心電特征點自動檢測中的應(yīng)用[J];南京大學學報(自然科學版);1998年04期

7 梅振順;戰(zhàn)蔭偉;鐘左峰;;基于SURF特征的目標跟蹤[J];中國體視學與圖像分析;2011年01期

8 劉紅;王曄;雷長海;;基于區(qū)域局部特征的中醫(yī)舌像檢索[J];醫(yī)學信息;2010年01期

9 伍亞軍;周正東;戴耀東;;基于特征點互信息預(yù)配準的醫(yī)學圖像配準技術(shù)[J];南京航空航天大學學報;2007年05期

10 ;[J];;年期

相關(guān)會議論文 前10條

1 汪力;葉樺;夏良正;;利用特征點定位嘴巴[A];第二十六屆中國控制會議論文集[C];2007年

2 付洪川;王劍;萬嬋;趙建英;付凱;;圖像特征點匹配算法的研究與改進[A];2009中國控制與決策會議論文集（1）[C];2009年

3 溫文雅;陳建華;;一種基于特征點的圖像匹配算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學術(shù)會議論文集[C];2009年

4 任明武;胡明昊;楊靜宇;;一種快速實用的特征點匹配算法[A];全面建設(shè)小康社會：中國科技工作者的歷史責任——中國科協(xié)2003年學術(shù)年會論文集（上）[C];2003年

5 許競;姜波;;攝像機運動下特征點追蹤方法研究[A];2011下一代自動測試系統(tǒng)學術(shù)研討會論文集[C];2011年

6 張?zhí)?王希常;蘇志榮;;基于特征點和輪廓檢測的粘連數(shù)字分割[A];圖像圖形技術(shù)與應(yīng)用進展——第三屆圖像圖形技術(shù)與應(yīng)用學術(shù)會議論文集[C];2008年

7 杜鵬飛;彭代強;林幼權(quán);;基于二乘向量機的特征點配準算法[A];第十四屆全國信號處理學術(shù)年會(CCSP-2009)論文集[C];2009年

8 舒志龍;阮秋琦;;基于KLT特征點跟蹤的圖象拼接[A];中國體視學學會圖像分析專業(yè)、中國體視學學會仿真與虛擬現(xiàn)實專業(yè)、中國航空學會信號與信息處理專業(yè)第一屆聯(lián)合學術(shù)會議論文集[C];2000年

9 楊向林;嚴洪;任兆瑞;陳靖一;;基于小波變換的ECG信號多特征點綜合檢測算法[A];第八屆全國信息獲取與處理學術(shù)會議論文集[C];2010年

10 韓廣良;陳小云;;利用多特征點搜索實現(xiàn)紙鈔圖像的狀態(tài)檢測[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅱ[C];2011年

相關(guān)重要報紙文章 前1條

1 本報記者 王宇;芯技術(shù)點亮未來[N];電腦報;2010年

相關(guān)博士學位論文 前10條

1 劉洪濤;基于視覺的微夾持構(gòu)件受力與應(yīng)變測量方法[D];上海交通大學;2014年

2 劉通;面向心拍識別的心電信號的高層特征研究[D];吉林大學;2016年

3 廖斌;基于特征點的圖像配準技術(shù)研究[D];國防科學技術(shù)大學;2008年

4 楊占龍;基于特征點的圖像配準與拼接技術(shù)研究[D];西安電子科技大學;2008年

5 楊利敏;圖像特征點定位算法研究及其應(yīng)用[D];上海交通大學;2008年

6 李旭東;基于特征點的增強現(xiàn)實三維注冊算法研究[D];天津大學;2009年

7 魯統(tǒng)偉;前視目標圖像匹配定位技術(shù)研究[D];華中科技大學;2008年

8 戴激光;漸進式多特征異源高分辨率衛(wèi)星影像密集匹配方法研究[D];遼寧工程技術(shù)大學;2013年

9 宋琳;無人機飛行途中視覺導航關(guān)鍵技術(shù)研究[D];西北工業(yè)大學;2015年

10 楊奎元;基于深層結(jié)構(gòu)的圖像內(nèi)容分析及其應(yīng)用[D];中國科學技術(shù)大學;2012年

相關(guān)碩士學位論文 前10條

1 曾寶瑩;基于圖像識別的中國書法真?zhèn)舞b別方法研究[D];西安建筑科技大學;2015年

2 周兆鎮(zhèn);基于雙目視覺的特征點匹配算法研究[D];西安建筑科技大學;2015年

3 馮翔;基于人臉對齊和多特征融合的人臉識別方法研究[D];南京理工大學;2015年

4 姜小會;基于特征點的圖像拼接技術(shù)研究[D];山東建筑大學;2015年

5 吳昊;基礎(chǔ)矩陣估計方法研究[D];蘭州大學;2015年

6 陳偉;基于唇形特征的身份識別算法的設(shè)計[D];蘭州大學;2015年

7 秦清欣;GPS輔助攝影測量的邊坡監(jiān)測技術(shù)研究[D];南京理工大學;2015年

8 宋偉;遠程火光瞄準與探測系統(tǒng)設(shè)計[D];西安工業(yè)大學;2015年

9 劉智;塑料面膜印刷質(zhì)量的視覺檢測方法研究[D];沈陽理工大學;2015年

10 任筱強;行星及行星衛(wèi)星著陸探測自主導航方法研究[D];哈爾濱工業(yè)大學;2015年

，

本文編號：1726271