畢業(yè)論文答辯PPT

1、某高校公共事業(yè)管理專業(yè)本科論文質(zhì)量的結(jié)構(gòu)方程建模分析及質(zhì)量控制模式建立姓名：虎翼姓名：虎翼年級：年級：20112011級級論文概要論文概要論文涉及的關(guān)鍵理論研究論文涉及的關(guān)鍵理論研究心電信號預(yù)處理及特征點(diǎn)定位心電信號預(yù)處理及特征點(diǎn)定位二維云模型在心電信號二維云模型在心電信號STST段檢測中的應(yīng)用段檢測中的應(yīng)用論文的研究基礎(chǔ)、意義、內(nèi)容及創(chuàng)新論文的研究基礎(chǔ)、意義、內(nèi)容及創(chuàng)新論文總結(jié)與展望論文總結(jié)與展望一、論文背景知識一、論文背景知識心肌梗死已成為危害人類健康的常見疾心肌梗死已成為危害人類健康的常見疾病，其診斷病，其診斷主要通過心電圖情況來檢測主要通過心電圖情況來檢測急性心肌梗死早期主要體現(xiàn)為心電

2、信號急性心肌梗死早期主要體現(xiàn)為心電信號ST段變化，因此段變化，因此ST段的正確識別對于急性段的正確識別對于急性心肌梗死的診斷具有重要的意義，目前心肌梗死的診斷具有重要的意義，目前ST段的計(jì)算機(jī)自動識別技術(shù)很不完善。所以段的計(jì)算機(jī)自動識別技術(shù)很不完善。所以本文針對于本文針對于ST段形態(tài)特征和檢測難點(diǎn)展開段形態(tài)特征和檢測難點(diǎn)展開了研究。了研究。一、論文背景知識一、論文背景知識典型的正常心電信號波形一、論文背景知識一、論文背景知識ST段不同形態(tài)段不同形態(tài)一、論文背景知識一、論文背景知識a.斜率法斜率法ST段斜率是指臨床上所記錄心電圖中QRST的夾角。斜率法可以判斷直線型斷ST段，但是對于曲線型ST段

3、就存在一定的難度。b.函數(shù)擬合法函數(shù)擬合法用某種函數(shù)來逼近ST段的方法常采用的方法是使用一次函數(shù)或者二次函數(shù)來擬合ST段，利用a.b.c 來描述ST段的形態(tài)。神經(jīng)網(wǎng)絡(luò)識別法神經(jīng)網(wǎng)絡(luò)識別法前兩種方法都是對ST段的形態(tài)進(jìn)行數(shù)學(xué)描述，神經(jīng)網(wǎng)絡(luò)技術(shù)的信息分布式存儲、高度的容錯(cuò)能力、學(xué)習(xí)能力較強(qiáng)可用于模式識別。但是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程比較麻煩，需要對心電信號的眾多樣本進(jìn)行學(xué)習(xí)。2二、論文涉及的關(guān)鍵技術(shù)研究二、論文涉及的關(guān)鍵技術(shù)研究云模型-用語言值描述的某個(gè)定性概念與其數(shù)值表示之間的不確定性轉(zhuǎn)換模型。定義：設(shè)U是一個(gè)用精確數(shù)值表示的定量論域（一維的、二維的或多維的），C是U上的定性概念，對于論域中的任意一個(gè)

4、元素x，且x是定性概念C的一次隨機(jī)實(shí)現(xiàn)，x對C的確定度(x)0,1是有穩(wěn)定傾向的隨機(jī)數(shù)：U0,1 XU X (X) 則x在論域U上的分布稱為云模型， 每一個(gè)x稱為一個(gè)云滴。云有三個(gè)數(shù)字特征：期望Ex (Expeetedvalue)、墑En(Entropy)和超墑He(Hyperentropy)期望Ex：在論域空間中最能夠代表這個(gè)定性概念的點(diǎn), 是這個(gè)概念量化的最典型樣本點(diǎn)。熵En：代表定性概念的模糊度和概率，在論域空間可以被定性概念接受的取值范圍大小, 即模糊度。超熵He：熵的不確定性的度量, 它反映代表定性概念值的樣本出現(xiàn)的隨機(jī)性, 揭示了模糊性和隨機(jī)性的關(guān)聯(lián)二、論文涉及的關(guān)鍵技術(shù)研究二、論

5、文涉及的關(guān)鍵技術(shù)研究二、論文涉及的關(guān)鍵技術(shù)研究二、論文涉及的關(guān)鍵技術(shù)研究數(shù)字特征為：期望值(Ex1，Ex2)、熵(En1，En2)和超熵(He1，He2)。生成云的算法用云發(fā)生器(Cloud Generator)來實(shí)現(xiàn)。包括：正向云發(fā)生器和逆向云發(fā)生器等。二維正向二維正向發(fā)生器發(fā)生器Ex1He1En1云滴云滴(ai, bi, ui)(a, b)Ex2, En2, He2(a)二維正向發(fā)生器二維正向發(fā)生器二維逆向二維逆向發(fā)生器發(fā)生器Ex2, En2, He2云滴云滴(ai, bi, ui)Ex1, En1, He1(b)二維逆向發(fā)生器二維逆向發(fā)生器正向與逆向云發(fā)生器正向與逆向云發(fā)生器二、論文涉及

6、的關(guān)鍵技術(shù)研究二、論文涉及的關(guān)鍵技術(shù)研究一維正向云發(fā)生器算法實(shí)現(xiàn)：二、論文涉及的關(guān)鍵技術(shù)研究二、論文涉及的關(guān)鍵技術(shù)研究三、心電信號預(yù)處理及特征點(diǎn)標(biāo)定三、心電信號預(yù)處理及特征點(diǎn)標(biāo)定心電信號是低頻低幅生物電信號，采集中極易受到干擾，心電信號是低頻低幅生物電信號，采集中極易受到干擾，工頻干擾和基線漂移對心電信號工頻干擾和基線漂移對心電信號ST段的影響較大，本文主段的影響較大，本文主要抑制這兩種干擾。要抑制這兩種干擾。在前人工作基礎(chǔ)之上設(shè)計(jì)了一種零相位在前人工作基礎(chǔ)之上設(shè)計(jì)了一種零相位Chebyshev帶通數(shù)帶通數(shù)字濾波器。字濾波器。設(shè)計(jì)合適的濾波器確定濾波器的類型、階數(shù)和系數(shù)輸 入 原始 信 號xn

7、正 向?yàn)V波時(shí)域翻轉(zhuǎn)時(shí)域翻轉(zhuǎn)輸出信號X(n)Y1(n)Y2(n)Y3(n)Y(n)仿真實(shí)驗(yàn)零相位數(shù)字濾波在心電噪聲抑制上的應(yīng)用零相位數(shù)字濾波在心電噪聲抑制上的應(yīng)用三、心電信號預(yù)處理及特征點(diǎn)標(biāo)定三、心電信號預(yù)處理及特征點(diǎn)標(biāo)定自適應(yīng)差分閾值法檢測自適應(yīng)差分閾值法檢測QRS波群波群通過對其國內(nèi)外研究現(xiàn)狀的分析，權(quán)衡各種方法的利弊，結(jié)合自身所開發(fā)的心電監(jiān)護(hù)手機(jī)，采用差分閾值法對其進(jìn)行識別。同時(shí)閾值的計(jì)算采用了自學(xué)習(xí)的方法。局域變化方法對局域變化方法對S波終點(diǎn)（波終點(diǎn)（J點(diǎn)）和點(diǎn)）和T波起點(diǎn)定位波起點(diǎn)定位取PR段等電位線數(shù)據(jù)，求這些數(shù)據(jù)的平均值作為等電位點(diǎn)E(i).三、心電信號預(yù)處理及特征點(diǎn)標(biāo)定三、心電信

8、號預(yù)處理及特征點(diǎn)標(biāo)定仿真結(jié)果：四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析心電信號的特征參數(shù)是診斷疾病的重要依據(jù)，而它也具有模糊性和隨機(jī)性的特點(diǎn)，這些特點(diǎn)增加了不少心電信號自動分析診斷的難度，并且用數(shù)學(xué)的方法都是表示精確的概念，很難把自然語言的東西表述清楚，鑒于這些特點(diǎn)，本文章探索性的把云模型應(yīng)用到心電信號的自動分析系統(tǒng)中。四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析-2-1.5-1-0.500.5100.10.20.30.40.50.60.70.80.91生 成 的

9、 云由分布曲線圖可以看出ST段的電位主要集中在零附近（對應(yīng)正常型的ST占主要部分）；在云模型中可以看出云的重心也是在電位值為零附近。從圖中可明顯看出ST段的云模型可分為七種類型的基云，但卻不能較好表達(dá)出ST段的形態(tài)特征，定量數(shù)據(jù)與定性概念之間的對應(yīng)關(guān)系尚不明確，所以能夠說明一維云模型應(yīng)用于ST段的分析存在有局限性。由于ST段的形態(tài)較復(fù)雜，只使用一個(gè)參數(shù)來描述其特征不夠完善，這就需要更多的參數(shù)才能全面細(xì)致的描述ST段的形態(tài)，為此引入了二維云模型。四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析 ST段形態(tài)在一個(gè)范圍中都可用二維正態(tài)云來描述的。對于直線型及曲線形ST的形態(tài)，

10、數(shù)據(jù)采樣點(diǎn)的電位值和一階導(dǎo)數(shù)、二階導(dǎo)數(shù)是有區(qū)別的，所以可用使用二維正態(tài)云判別規(guī)則云可以進(jìn)行不用形態(tài)特征的識別，且使用云模型的判別不會因某一點(diǎn)的改變而影響其整體形態(tài)。本研究通過數(shù)據(jù)點(diǎn)的特征參數(shù)的聚類分析的結(jié)果可得到判別規(guī)則云，并根據(jù)其對二維云發(fā)生器的隸屬度的大小來判斷心電信號ST段的形態(tài)屬性。接著把ST段形態(tài)判別規(guī)則云作為云發(fā)生器，將待測的ST段數(shù)據(jù)特征（電位值的大小和一階二階導(dǎo)數(shù)）作為云發(fā)生器的輸入，之后比較其與各判別規(guī)則云對二維正態(tài)云發(fā)生器輸出的隸屬度大小四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析輸入：心臟類疾病患者的心電信號數(shù)據(jù)。輸出：具有ST段判斷標(biāo)準(zhǔn)的綜合

11、云。1心電信號經(jīng)預(yù)處理后，提取心電信號特征點(diǎn)QRS波群、J點(diǎn)、Ts點(diǎn)、等電位點(diǎn)；2提取心電信號ST段數(shù)據(jù)，對數(shù)據(jù)進(jìn)行歸一化處理；3統(tǒng)計(jì)采樣點(diǎn)電位值及其一階導(dǎo)數(shù)的分布，得到分布曲線（即頻率直方圖）；根據(jù)分布曲線確定基云數(shù)目，并求出各基云的數(shù)字特征，從而得出統(tǒng)計(jì)點(diǎn)的云滴圖和二維正態(tài)概率密度曲面圖；4用二維逆向正態(tài)云模型對采樣點(diǎn)電位大小及其一階導(dǎo)數(shù)兩個(gè)分量進(jìn)行統(tǒng)計(jì)，以生成表征ST段信息定性概念的二維正態(tài)云模型的數(shù)字特征（Ex1，En1，He1，Ex2，En2，He2）；5采用二維正向云發(fā)生器得到ST段形態(tài)分析的各基云。四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析ST段數(shù)據(jù)

12、點(diǎn)的二維云概率密度曲面四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析ST段形態(tài)判別規(guī)則云四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析抬高型Ex11, Ex12He11, He12En11, En12mu1比 較 隸屬度mu壓低型Ex21, Ex22He21, He22En21, En22mu2正常型Ex31, Ex32He31, He32En31, En32mu3隸 屬 度大 的 那一類電 位 值 及其 一 階 導(dǎo)數(shù)四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析文件名抬高型隸屬度壓低型隸屬度正常性隸屬度形態(tài)結(jié)果專家

13、判定結(jié)果MA_0010.5810.1760.837正常型上斜正常MA_0020.0260.8930.510壓低型下凹壓低MA_0040.0040.0230.981正常型直線正常MA_0070.8960.2510.741正常型上斜抬高M(jìn)A_0080.4860.5040.704正常型直線正常MA_0110.7340.5030.474抬高型凹抬高M(jìn)A_0160.0080.0250.991正常型直線正常MA_0170.3970.6280.467壓低型下斜壓低MA_0260.0040.4820.163壓低型下斜壓低MA_0310.6980.2830.972抬高型直線正常MA_0330.3980.5940

14、.398壓低型下斜壓低MA_0430.8360.1760.527抬高型上斜抬高M(jìn)A_0670.9570.0060.279抬高型凸抬高四、基于云模型的心電信號四、基于云模型的心電信號ST段形態(tài)分析段形態(tài)分析(1)(1)心電信號預(yù)處理、提取了心電信號的特征點(diǎn)，并采用心電信號預(yù)處理、提取了心電信號的特征點(diǎn)，并采用matlabmatlab對想算法的對想算法的精確度進(jìn)行了仿真驗(yàn)證。精確度進(jìn)行了仿真驗(yàn)證。(3)(3)針對心電數(shù)據(jù)模糊性和隨機(jī)性較大的特點(diǎn)，創(chuàng)新性將云模型理論應(yīng)用到針對心電數(shù)據(jù)模糊性和隨機(jī)性較大的特點(diǎn)，創(chuàng)新性將云模型理論應(yīng)用到STST段檢測中，同時(shí)基于云變化和綜合云思想實(shí)現(xiàn)了心電信號段檢測中，

15、同時(shí)基于云變化和綜合云思想實(shí)現(xiàn)了心電信號STST段的聚類段的聚類分析，并對不同分析，并對不同STST形態(tài)特征進(jìn)行了判別，此方法符合醫(yī)學(xué)診斷邏輯思維。形態(tài)特征進(jìn)行了判別，此方法符合醫(yī)學(xué)診斷邏輯思維。（1）關(guān)于心電信號特征點(diǎn)定位，其算法的適用性還有待于完善，尤其是）關(guān)于心電信號特征點(diǎn)定位，其算法的適用性還有待于完善，尤其是對于自適應(yīng)閾值的確定。對于自適應(yīng)閾值的確定。（2）本文首次將二維云模型用于心電信號）本文首次將二維云模型用于心電信號ST段分析，然而檢測結(jié)果還不段分析，然而檢測結(jié)果還不盡人意，為了能夠進(jìn)一步精確區(qū)分曲線與直線型盡人意，為了能夠進(jìn)一步精確區(qū)分曲線與直線型ST段的形態(tài)，需要使用段的形態(tài)，需要使用數(shù)據(jù)點(diǎn)二階導(dǎo)數(shù)來進(jìn)行判別。本研究雖然也對數(shù)據(jù)點(diǎn)二階導(dǎo)數(shù)來進(jìn)行判別。本研究雖然也對ST段采樣點(diǎn)也進(jìn)行了二階段采樣點(diǎn)也進(jìn)行了二階導(dǎo)數(shù)的相應(yīng)處理，但由于本課題所掌握的導(dǎo)數(shù)的相應(yīng)處理，但由于本課題所掌握的ST段數(shù)據(jù)量有限、二階導(dǎo)數(shù)處段數(shù)據(jù)量有限、二