收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

ECG心跳分类算法及高能效架构研究

徐银  
【摘要】:心脏疾病是一种常见的威胁人类健康的慢性病。随着人工智能技术的发展,面向心脏健康监护的可穿戴设备能自动分析心电信号并做出相应的诊断,但高诊断准确率和高能效设计是其面临的主要挑战。本文以心跳分类为具体应用场景,围绕提升心跳分类模型的分类性能和架构能效,从算法和电路两个层面,重点攻克心电数据分布不平衡场景下分类模型性能偏移、人工提取特征的局限性、分类模型架构耗能过多的问题。本文的主要研究内容和创新点包括:1.基于重采样技术的心跳分类模型的研究。针对心跳分类应用中心跳类别分布不平衡导致分类算法性能发生偏移的问题,提出了 一种基于支持向量机(SVM)重采样技术的数据处理算法。该算法利用SVM对训练数据进行重复下采样来提取必要的信息数据同时消除噪声的负面影响,能够最小化信息的损失,最大程度提升数据的质量,并结合数据的分布特点利用加权过采样技术解决数据分布不平衡的问题。基于MIT-BIH数据集进行测试和比较,实验结果表明该心跳分类模型具有分类性能优势,对于心跳类别N、V'和S,可以分别获得95.8%、78.7%和89.7%的分类准确率。2.特征自学习的心跳分类模型的研究。针对心跳分类应用中人工提取特征的局限性,首次提出了 一种针对不定长的心跳序列识别的循环神经网络(RNN)结构。该网络采用时间窗处理心电数据避免了 R波检测的缺陷,利用长序列的心电信号具有的时序性特点使用长短时记忆单元(LSTM)从信号中自动提取相应的特征,并结合联结主义时间模型(CTC)技术输出长度不定的心跳序列来增强分类模型的适用性和实用性。使用MIT-BIH心律失常数据库对该网络的分类性能进行评估,实验结果表明该RNN分类模型能获得89.6%的心跳类别准确率和89.5%的心跳序列准确率。3.高能效的心跳分类架构的研究。分别实现基于人工提取特征和特征自学习的心跳分类模型的高能效架构并对其分类能耗进行了分析。通过研究心电信号中心跳的分布特点,使用一种具有预分类功能的串联结构来优化基于人工提取特征的心跳分类模型以减少不必要的计算和访存,节省了 55.1%的单次分类的平均能耗。通过网络深度压缩方法使基于特征自学习的心跳分类模型实现从密集网络到稀疏网络的转换,减少了 74.6%的参数,减轻了存储负担,并利用量化后的权重具有共享性的特点改进编码方案增强参数的重用性,减少了 50.3%的乘法运算和37.0%的访存,进一步节省了 33.9%的分类能耗。本文提出的关键技术对于提升面向心脏健康监护的可穿戴设备的分类性能和架构能效具有积极的理论研究意义和实际应用价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 杨曦;逄彦华;邱桂凤;;ECG在胸痛患者鉴别诊断中的价值[J];当代医学;2013年33期
2 黄进文;王威廉;;平滑滤波对ECG的R波幅值影响研究[J];云南大学学报(自然科学版);2008年06期
3 邢国泉;自适应滤波器在ECG信号除噪中的应用[J];北京生物医学工程;2005年03期
4 林加锋;坏死性病毒性心肌炎的ECG与临床(附3例报告)[J];实用心电学杂志;2003年01期
5 丁福祥,刘同库,吴宗玉,孙培明,贾广麒;正常人ECG双极胸导联检测结果分析[J];北华大学学报(自然科学版);2000年02期
6 史永兰,王蓉;ECG—6511型心电图机走纸速度控制电路的分析[J];医疗装备;2000年01期
7 蔡毓英,林谷秀,周明秀,王建安,陈德才,何祚光,张淑英;常规ECG法阿托品试验假阴性的初步探讨[J];江苏医药;1994年01期
8 杨淑梅,刘瑛;急性前间壁心肌梗塞的ECG诊断[J];白求恩医科大学学报;1995年03期
9 申雪峰;庞天赐;黄诒焯;;1—10 起搏病人的ECG监护初步研究[J];医学物理;1987年Z1期
10 OLLE PAHLM;郭晶;;运动ECG的数据处理[J];国外医学.生物医学工程分册;1988年01期
11 洪美婉,曾畿生;小儿病毒性心肌炎的STI和ECG表现[J];上海第二医科大学学报;1989年02期
12 孔淑珍;张俊峰;;对跆拳道运动员安静状态ECG特点的探讨[J];价值工程;2010年31期
13 潘静;郭兴明;陈旻;;远程心电监护中ECG信号的提取[J];计算机测量与控制;2008年09期
14 毛庆祥;胡弋;马永达;刘宿;杜权;葛衡江;;ECG深静脉置管深度定位的临床应用[J];重庆医学;2006年20期
15 王雅纯;脑卒中ECG改变临床意义的探讨[J];华西医学;2003年02期
16 赵晓进,张志勇,宛霞,翟心慧;陈氏太极拳、太极推手优秀运动员比赛前后心电图(ECG)分析[J];河南师范大学学报(自然科学版);1992年03期
17 郭银景;张坤艳;孙红雨;;基于小波神经网络的ECG数据压缩研究[J];山东科技大学学报(自然科学版);2007年01期
18 马辉;陈丽亚;马国亮;;心电图(ECG)的小波变换特征提取[J];中国科技信息;2006年01期
19 冯民;;ECG—6511心电图机维修两例[J];医疗设备信息;2006年09期
20 杜叶平;;胸外按压时所产生的ECG按压波形的临床意义[J];齐齐哈尔医学院学报;2006年07期
中国重要会议论文全文数据库 前10条
1 杨向林;严洪;任兆瑞;陈靖一;;基于小波变换的ECG信号多特征点综合检测算法[A];第八届全国信息获取与处理学术会议论文集[C];2010年
2 张杨;蔡建立;;小波分析和ECG信号的检测[A];2005全国自动化新技术学术交流会论文集(三)[C];2005年
3 王玲;黄翔东;李海亮;孟天伟;;一种去除ECG中基线漂移和工频干扰的高效滤波方法[A];第七届全国信号和智能信息处理与应用学术会议会刊[C];2013年
4 黄进文;王威廉;;基于虚拟仪器的ECG参数自动分析系统研究[A];第二十七届中国控制会议论文集[C];2008年
5 王涟;屈建石;;一种ECG高精度实时压缩算法[A];第8届全国核电子学与核探测技术学术年会论文集(二)[C];1996年
6 王健健;李哲英;;用于信号发生器的ECG信号分段模型[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
7 张艳丽;;基于提升小波的ECG中肌电干扰的抑制方法[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
8 王振宇;张国胜;邢彬彬;庄鑫;;基于心电图法(ECG)大泷六线鱼的听觉特性研究[A];2017年中国水产学会学术年会论文摘要集[C];2017年
9 杨向林;严洪;;基于ECG的航天员身份识别[A];中国空间科学学会第七次学术年会会议手册及文集[C];2009年
10 任东青;郭鹞;郭国祯;曾桂英;赵涛;郑振兴;;电磁脉冲对大鼠ECG、左心室内压和心肌超微结构的影响[A];全国非电离辐射与电离辐射生物效应及防护学术研讨会论文汇编[C];2004年
中国博士学位论文全文数据库 前6条
1 徐银;ECG心跳分类算法及高能效架构研究[D];浙江大学;2018年
2 唐孝;基于粗糙集的知识发现方法及其在ECG信号识别中的应用[D];电子科技大学;2015年
3 黄博强;基于Context模型和矢量—标量量化器的ECG信号压缩[D];复旦大学;2010年
4 杨晓利;基于体表ECG的ShR信号检测研究[D];中南大学;2011年
5 寿国法;生物医学电磁正反问题数值计算方法研究[D];浙江大学;2009年
6 李江冰;基于健康体检大数据的人群异常ECG与冠脉斑块分布谱及其影响因素研究[D];山东大学;2016年
中国硕士学位论文全文数据库 前10条
1 王永祥;基于ECG的心脏骤停预测方法研究[D];吉林大学;2017年
2 高力鑫;ECG信号的自适应无损压缩[D];西安电子科技大学;2010年
3 吴豆豆;基于小波变换的ECG特征提取与分类识别研究[D];云南大学;2012年
4 龙正吉;小波变换提取ECG信号情感特征的研究[D];西南大学;2010年
5 马登峰;基于粗糙集决策树的专家系统在ECG自动识别中的应用研究[D];国防科学技术大学;2004年
6 丁玉洁;基于本体论的ECG诊断系统的开发与研究[D];华东理工大学;2011年
7 刘文娜;基于ECG信号进行心律失常及睡眠呼吸暂停综合症诊断分析[D];南京邮电大学;2015年
8 母远慧;心律失常ECG信号的多尺度时频特征提取与分析研究[D];北京理工大学;2015年
9 沈君;ECG身份识别算法的研究与实现[D];山东大学;2012年
10 于亮;优秀男子马拉松运动员ECG监控的研究[D];辽宁师范大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978