基于CAPSNET的可穿戴心电采集和心律失常检测系统研究

《基于CAPSNET的可穿戴心电采集和心律失常检测系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号TP391学校代码10495ＵＤＣ621.38密级公开硕士学位论文基于CAPSNET的可穿戴心电采集和心律失常检测系统研究作者姓名：郭俊文学号：1515053004指导教师：李宇学科门类：工学专业：电子科学与技术研究方向：嵌入式系统与控制工程完成日期：二零一八年六月WuhanTextileUniversityM.E.DissertationAResearchofECGCollectionandArrhythmiaDetectionSystemBasedonCAPSNETCandidate：GuoJunwenSupervisor：

2、LiYuTime:June2018摘要心脏病严重威胁着人们的健康。心电图能够如实的反映心脏的健康状况，是临床上检测心脏病的常用手段之一。传统的心电图机能够有效的检测心脏病，但是由于不方便携带，不能满足日常生活中时时检测的需求。同时现有的心电自动检测方法的使用效果受到特征提取等限制，其分类精度还有待提升。本文围绕便捷采集和自动检测方法的出发点，提出了一种基于CAPSNET的可穿戴心电采集和心律失常检测系统。本文的具体研究工作分为以下两个部分：设计了可穿戴心电采集装置。以STM32和AD8232为核心搭建硬件电路对心电信号进行采集，通过软

3、件编程实现系统控制。根据心电信号的频谱特性，采集的心电信号采用了两种数字滤波方式去抑制噪声，其中自适应滤波算法用于处理心电信号中的肌电噪声，小波变换算法用于抑制基线漂移。处理后的心电信号通过蓝牙传输给上位机。构建CAPSNET模型用于检测心律失常。该CAPSNET模型包含8层，通过逐层进行特征学习和映射，获得心电信号的深层特征，最终实现心律分类。采用将特征封装成向量的方式提高了模型的鲁棒性。在深度学习工作站上使用TensorFlow框架建立并训练用于检测心律失常的CAPSNET模型。采用MIT/BIH心律失常数据库里的数据建立训练样本

4、数据，并用这些样本数据去训练模型。通过动态路由算法微调，获得了全局最优模型。实验中采用设计的装置采集到了心电信号，并提取MIT/BIH心律失常数据库里的测试数据对CAPSNET模型进行实验评估，获得五种心律的分类精度。实现结果表明，该系统能够满足便捷采集的需求，并且该系统的CAPSNET模型对心律失常具有较好的分类性能。关键词：心电图；心电采集；可穿戴；自动检测；心律失常；CAPSNET研究类型：应用研究ABSTRACTHeartdiseaseisaseriousthreattopeople'shealth.Electrocardio

5、gramcantrulyreflectthehealthconditionoftheheart.Itisoneofthecommonlyusedmethodtoclinicallydetectheartdisease.Thetraditionalelectrocardiographmachinecaneffectivelydetectheartdisease,butitcannotmeettheneedsofdailylifedetectionduetoitislackofportability.Theexistingmethodso

6、fECGautomaticdetectionarelimitedbyfeatureextraction,andtherecognitionaccuracystillneedtobeimproved.Aimedattheimprovementofconvenientcollectionandautomaticdetection,thispaperproposesaWearableECGacquisitionandarrhythmiadetectionsystembasedonCAPSNET.Theresearchworkinthispa

7、perisdividedintotwoparts:Awearableelectricacquisitiondeviceisdesigned.BasedonSTM32andAD8232,thehardwarecircuitisbuilttocollectECGsignalandthesystemiscontrolledthroughsoftwareprogramming.AccordingtothespectralcharacteristicsoftheECGsignal,thecollectedECGsignaladoptstwodi

8、gitalfilteringmethodstosuppressthenoise.Theadaptivefilteringalgorithmisusedtodenoisetheelectromyographicnoisei