1. 研究目的与意义（文献综述）

1. 目的及意义

   1.1目的

   心电图（ecg或者ekg）是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。1842年法国科学家mattencci首先发现了心脏的电活动；1872年muirhead记录到心脏波动的电信号。1885年荷兰生理学家w.einthoven首次从体表记录到心电波形，当时是用毛细静电计，1910年改进成弦线电流计。由此开创了体表心电图记录的历史。1924年einthoven获诺贝尔医学生物学奖。经过100多年的发展，今日的心电图机日臻完善。不仅记录清晰、抗干扰能力强、而且便携、并具有自动分析诊断功能。通过心电图的检查，可以明确诊断有无心率失常，冠心病，心肌梗塞等，对于帮助医生更加清楚的了解患者的病情，帮助患者制定出更加切实有效的治疗方案有着极大的帮助作用，可以很好的推动医学的发展进步。因此心电图的分类在当今社会也引起了极大的关注和许多先进人士的推动。现在人们已经掌握了许多将心电图分类的方法，并且这些方法还在日臻完善。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   2. 研究的基本内容与方案

   2.研究的基本内容，目标，拟采用的技术方案及措施：

   本次设计的内容是基于深度学习的心电图分类信号方法及实现。心脏在发生机械收缩之前，首先产生电激动，电激动沿心脏特殊传导系统下传，使心房和心室产生电活动变化，形成微弱的电流传到体表，将探测电极放置在体表的不同位置，利用心电图仪将心脏每一心动周期所产生的电活动活动描记成曲线图，这就是心电图产生的原理和结果的由来。心电图波形数据采集及心电图分类结果是医生诊断心脏病疾患的重要辅助手段和参考信息，进行心电图信息的分类，对于医生而更加有效率，更加准确的进行心脏机能的判定有着重要的帮助。将心电图特征参数输入基于医疗知识建立起来的传统心电图计算自动分类算法，就可以得到心电图的分类结果。但是现有的心电图分类方法存在着很多不足之处。比如需要做大量的特征工程，需要医疗领域的专家，耗费人力资源，而且分类准确性也是有待提高。深度学习发展至今，与医疗领域的融合度越来越高，利用深度学习我们现在可以很好地解决现在在心电图分类方法方面所遇到的诸多麻烦。近年来, 市场上已经有使用深度医学技术于医疗的企业。

   本次实验需要完成的内容就是，采集心电图的数据信息，然后将包含数据的波形输入到神经网络中，通过深度残差网络，全连接网络，归一化处理，然后得到病理信息。

   剩余内容已隐藏，您需要先支付后才能查看该篇文章全部内容！

   3. 研究计划与安排

   1-3周 查阅中、英文资料，完成开题报告，完成不少于2万字符的英文翻译任务；
   4-6周 学习和评测常用ECG分类方法；
   7-16周 完成基于深度学习的ECG分类算法算法实现和评测总结；
   16周 修改完成毕业论文，答辩。

   4. 参考文献（12篇以上）

   [1]m. kotas,j. jezewski,k. horoba,a. matonia. application of spatio-temporal filtering to fetal electrocardiogram enhancement[j] . computer methods and programs in biomedicine . 2010
   [2]mehdi ayar,saeed sabamoniri. an ecg-based feature selection and heartbeat classification model using a hybrid heuristic algorithm[j]. informatics in medicine unlocked,2018.

   [3]addison paul s. wavelet transforms and the ecg: a review.physiological measurement . 2005

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付