毕业论文答辩PPT

1、某高校公共事业管理专业本科论文质量的结构方程建模分析及质量控制模式建立姓名：虎翼姓名：虎翼年级：年级：20112011级级论文概要论文概要论文涉及的关键理论研究论文涉及的关键理论研究心电信号预处理及特征点定位心电信号预处理及特征点定位二维云模型在心电信号二维云模型在心电信号STST段检测中的应用段检测中的应用论文的研究基础、意义、内容及创新论文的研究基础、意义、内容及创新论文总结与展望论文总结与展望一、论文背景知识一、论文背景知识心肌梗死已成为危害人类健康的常见疾心肌梗死已成为危害人类健康的常见疾病，其诊断病，其诊断主要通过心电图情况来检测主要通过心电图情况来检测急性心肌梗死早期主要体现为心电

2、信号急性心肌梗死早期主要体现为心电信号ST段变化，因此段变化，因此ST段的正确识别对于急性段的正确识别对于急性心肌梗死的诊断具有重要的意义，目前心肌梗死的诊断具有重要的意义，目前ST段的计算机自动识别技术很不完善。所以段的计算机自动识别技术很不完善。所以本文针对于本文针对于ST段形态特征和检测难点展开段形态特征和检测难点展开了研究。了研究。一、论文背景知识一、论文背景知识典型的正常心电信号波形一、论文背景知识一、论文背景知识ST段不同形态段不同形态一、论文背景知识一、论文背景知识a.斜率法斜率法ST段斜率是指临床上所记录心电图中QRST的夹角。斜率法可以判断直线型断ST段，但是对于曲线型ST段

3、就存在一定的难度。b.函数拟合法函数拟合法用某种函数来逼近ST段的方法常采用的方法是使用一次函数或者二次函数来拟合ST段，利用a.b.c 来描述ST段的形态。神经网络识别法神经网络识别法前两种方法都是对ST段的形态进行数学描述，神经网络技术的信息分布式存储、高度的容错能力、学习能力较强可用于模式识别。但是神经网络的训练过程比较麻烦，需要对心电信号的众多样本进行学习。2二、论文涉及的关键技术研究二、论文涉及的关键技术研究云模型-用语言值描述的某个定性概念与其数值表示之间的不确定性转换模型。定义：设U是一个用精确数值表示的定量论域（一维的、二维的或多维的），C是U上的定性概念，对于论域中的任意一个

4、元素x，且x是定性概念C的一次随机实现，x对C的确定度(x)0,1是有稳定倾向的随机数：U0,1 XU X (X) 则x在论域U上的分布称为云模型， 每一个x称为一个云滴。云有三个数字特征：期望Ex (Expeetedvalue)、墒En(Entropy)和超墒He(Hyperentropy)期望Ex：在论域空间中最能够代表这个定性概念的点, 是这个概念量化的最典型样本点。熵En：代表定性概念的模糊度和概率，在论域空间可以被定性概念接受的取值范围大小, 即模糊度。超熵He：熵的不确定性的度量, 它反映代表定性概念值的样本出现的随机性, 揭示了模糊性和随机性的关联二、论文涉及的关键技术研究二、论

5、文涉及的关键技术研究二、论文涉及的关键技术研究二、论文涉及的关键技术研究数字特征为：期望值(Ex1，Ex2)、熵(En1，En2)和超熵(He1，He2)。生成云的算法用云发生器(Cloud Generator)来实现。包括：正向云发生器和逆向云发生器等。二维正向二维正向发生器发生器Ex1He1En1云滴云滴(ai, bi, ui)(a, b)Ex2, En2, He2(a)二维正向发生器二维正向发生器二维逆向二维逆向发生器发生器Ex2, En2, He2云滴云滴(ai, bi, ui)Ex1, En1, He1(b)二维逆向发生器二维逆向发生器正向与逆向云发生器正向与逆向云发生器二、论文涉及

6、的关键技术研究二、论文涉及的关键技术研究一维正向云发生器算法实现：二、论文涉及的关键技术研究二、论文涉及的关键技术研究三、心电信号预处理及特征点标定三、心电信号预处理及特征点标定心电信号是低频低幅生物电信号，采集中极易受到干扰，心电信号是低频低幅生物电信号，采集中极易受到干扰，工频干扰和基线漂移对心电信号工频干扰和基线漂移对心电信号ST段的影响较大，本文主段的影响较大，本文主要抑制这两种干扰。要抑制这两种干扰。在前人工作基础之上设计了一种零相位在前人工作基础之上设计了一种零相位Chebyshev带通数带通数字滤波器。字滤波器。设计合适的滤波器确定滤波器的类型、阶数和系数输 入 原始 信 号xn

7、正 向滤波时域翻转时域翻转输出信号X(n)Y1(n)Y2(n)Y3(n)Y(n)仿真实验零相位数字滤波在心电噪声抑制上的应用零相位数字滤波在心电噪声抑制上的应用三、心电信号预处理及特征点标定三、心电信号预处理及特征点标定自适应差分阈值法检测自适应差分阈值法检测QRS波群波群通过对其国内外研究现状的分析，权衡各种方法的利弊，结合自身所开发的心电监护手机，采用差分阈值法对其进行识别。同时阈值的计算采用了自学习的方法。局域变化方法对局域变化方法对S波终点（波终点（J点）和点）和T波起点定位波起点定位取PR段等电位线数据，求这些数据的平均值作为等电位点E(i).三、心电信号预处理及特征点标定三、心电信

8、号预处理及特征点标定仿真结果：四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析心电信号的特征参数是诊断疾病的重要依据，而它也具有模糊性和随机性的特点，这些特点增加了不少心电信号自动分析诊断的难度，并且用数学的方法都是表示精确的概念，很难把自然语言的东西表述清楚，鉴于这些特点，本文章探索性的把云模型应用到心电信号的自动分析系统中。四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析-2-1.5-1-0.500.5100.10.20.30.40.50.60.70.80.91生 成 的

9、 云由分布曲线图可以看出ST段的电位主要集中在零附近（对应正常型的ST占主要部分）；在云模型中可以看出云的重心也是在电位值为零附近。从图中可明显看出ST段的云模型可分为七种类型的基云，但却不能较好表达出ST段的形态特征，定量数据与定性概念之间的对应关系尚不明确，所以能够说明一维云模型应用于ST段的分析存在有局限性。由于ST段的形态较复杂，只使用一个参数来描述其特征不够完善，这就需要更多的参数才能全面细致的描述ST段的形态，为此引入了二维云模型。四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析 ST段形态在一个范围中都可用二维正态云来描述的。对于直线型及曲线形ST的形态，

10、数据采样点的电位值和一阶导数、二阶导数是有区别的，所以可用使用二维正态云判别规则云可以进行不用形态特征的识别，且使用云模型的判别不会因某一点的改变而影响其整体形态。本研究通过数据点的特征参数的聚类分析的结果可得到判别规则云，并根据其对二维云发生器的隶属度的大小来判断心电信号ST段的形态属性。接着把ST段形态判别规则云作为云发生器，将待测的ST段数据特征（电位值的大小和一阶二阶导数）作为云发生器的输入，之后比较其与各判别规则云对二维正态云发生器输出的隶属度大小四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析输入：心脏类疾病患者的心电信号数据。输出：具有ST段判断标准的综合

11、云。1心电信号经预处理后，提取心电信号特征点QRS波群、J点、Ts点、等电位点；2提取心电信号ST段数据，对数据进行归一化处理；3统计采样点电位值及其一阶导数的分布，得到分布曲线（即频率直方图）；根据分布曲线确定基云数目，并求出各基云的数字特征，从而得出统计点的云滴图和二维正态概率密度曲面图；4用二维逆向正态云模型对采样点电位大小及其一阶导数两个分量进行统计，以生成表征ST段信息定性概念的二维正态云模型的数字特征（Ex1，En1，He1，Ex2，En2，He2）；5采用二维正向云发生器得到ST段形态分析的各基云。四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析ST段数据

12、点的二维云概率密度曲面四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析ST段形态判别规则云四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析抬高型Ex11, Ex12He11, He12En11, En12mu1比 较 隶属度mu压低型Ex21, Ex22He21, He22En21, En22mu2正常型Ex31, Ex32He31, He32En31, En32mu3隶 属 度大 的 那一类电 位 值 及其 一 阶 导数四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析文件名抬高型隶属度压低型隶属度正常性隶属度形态结果专家

13、判定结果MA_0010.5810.1760.837正常型上斜正常MA_0020.0260.8930.510压低型下凹压低MA_0040.0040.0230.981正常型直线正常MA_0070.8960.2510.741正常型上斜抬高MA_0080.4860.5040.704正常型直线正常MA_0110.7340.5030.474抬高型凹抬高MA_0160.0080.0250.991正常型直线正常MA_0170.3970.6280.467压低型下斜压低MA_0260.0040.4820.163压低型下斜压低MA_0310.6980.2830.972抬高型直线正常MA_0330.3980.5940

14、.398压低型下斜压低MA_0430.8360.1760.527抬高型上斜抬高MA_0670.9570.0060.279抬高型凸抬高四、基于云模型的心电信号四、基于云模型的心电信号ST段形态分析段形态分析(1)(1)心电信号预处理、提取了心电信号的特征点，并采用心电信号预处理、提取了心电信号的特征点，并采用matlabmatlab对想算法的对想算法的精确度进行了仿真验证。精确度进行了仿真验证。(3)(3)针对心电数据模糊性和随机性较大的特点，创新性将云模型理论应用到针对心电数据模糊性和随机性较大的特点，创新性将云模型理论应用到STST段检测中，同时基于云变化和综合云思想实现了心电信号段检测中，

15、同时基于云变化和综合云思想实现了心电信号STST段的聚类段的聚类分析，并对不同分析，并对不同STST形态特征进行了判别，此方法符合医学诊断逻辑思维。形态特征进行了判别，此方法符合医学诊断逻辑思维。（1）关于心电信号特征点定位，其算法的适用性还有待于完善，尤其是）关于心电信号特征点定位，其算法的适用性还有待于完善，尤其是对于自适应阈值的确定。对于自适应阈值的确定。（2）本文首次将二维云模型用于心电信号）本文首次将二维云模型用于心电信号ST段分析，然而检测结果还不段分析，然而检测结果还不尽人意，为了能够进一步精确区分曲线与直线型尽人意，为了能够进一步精确区分曲线与直线型ST段的形态，需要使用段的形态，需要使用数据点二阶导数来进行判别。本研究虽然也对数据点二阶导数来进行判别。本研究虽然也对ST段采样点也进行了二阶段采样点也进行了二阶导数的相应处理，但由于本课题所掌握的导数的相应处理，但由于本课题所掌握的ST段数据量有限、二阶导数处段数据量有限、二