1. 研究目的与意义
心电图(Electrocardiograph，ECG)是利用心电图机记录心脏跳动周期所产生电信号变化的一种图形技术，可以用来记录人体正常心脏的电活动以及诊断各种心脏疾病。然而在采集过程中心电信号经常会受到各种干扰，故ECG图像去噪在图像处理中仍然是一个具有挑战性和实际意义的问题。在深度学习技术快速发展之后，尤其是卷积神经网络CNN在诸多领域的广泛应用，使得传统的去噪更加容易，更加准确有效。本课题拟使用卷积神经网络实现对ECG图像的去噪和特征提取研究，为此本课题拟设计基于卷积神经网络的ECG去噪及特征提取算法。
2. 研究内容和预期目标
研究内容：
1、谱分析，相关分析
2、滤波器设计
3. 国内外研究现状
国内外研究学者针对去噪方面做了很多研究，主要的去噪手段有经典的数字滤波器和基于小波变换的阈值去噪等。经典的数字滤波器根据频率范围的不同对噪声进行去噪：对于基线漂移使用高通滤波器去噪、对于肌电干扰使用低通滤波器去噪、对于工频干扰使用带通滤波器去噪。近年来，小波变换技术的快速发展催生出了一系列基于小波阈值去噪技术。
在对心电信号进行预处理和特征提取的基础之上，使用深度学习对心电信号进行自动分类识别。深度学习的研究与神经网络有着密不可分的联系。2006年，Hinton提出了深度置信网络，成为了深度学习领域的一个里程碑。如今在大数据、计算机算力大幅度增加的背景下，深度学习已经在图像处理、语音识别和NLP等众多领域的研究中取得了巨大进展。而卷积神经网络模型经历了从最早的LeNet模型到现在的GoogleNet、ResNet等不断的演进，识别率已经十分优秀。在研究心电分类算法时，利用深度学习在大量数据处理方面表现出的优势，使得分类效果有着显著的提升。
4. 计划与进度安排
研究计划：
一、搜集相关论文文献进行学习研究
二、搜集网络公开数据集进行分析预处理
5. 参考文献
[1]JENKALW，LATIFR，TOUMANARIA，etal.Enhanced algorithm for QRS detection using discrete wavelettransform（DWT）[C]//27thInternationalConferenceonMicroelectronics（ICM）.Casablanca：IEEE，2015：39#8259;42.
[2] 王超.ECG去噪和R波检测的算法研究[D].合肥：安徽大学，2018.
[3]HAMDIS，ABDALLAH A B，BEDOUIM H.A robust QRS complex detectionusing regular grammar and deterministic automata [J]. Biomedical signalprocessing and control，2018，40：263#8259;274.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
