國立高雄大學圖資館 |

語系: 繁體中文

說明(常見問題)

圖資館首頁

登入

回首頁

切換: 標籤 | MARC模式 | ISBD

隱藏式馬可夫模型應用於心電圖信號的自動分類 = Automatic EC...

國立高雄大學資訊工程學系碩士班

隱藏式馬可夫模型應用於心電圖信號的自動分類 = Automatic ECG Signal Classification Using Hidden Markov Model

紀錄類型:	書目-語言資料,印刷品 : 單行本
並列題名:	Automatic ECG Signal Classification Using Hidden Markov Model
作者:	陳弘晉,
其他團體作者:	國立高雄大學
出版地:	[高雄市]
出版者:	撰者;
出版年:	2012[民101]
面頁冊數:	57面圖，表格 : 30公分;
標題:	心律不整
標題:	cardiac arrhythmia
電子資源:	http://handle.ncl.edu.tw/11296/ndltd/17862656113826249018
附註:	107年4月10日公開
附註:	參考書目：面48-50
摘要註:	心臟，是人體中最重要的器官之一，心臟能夠正常的運作，血液才得以在體內維持新陳代謝，但是，當心臟無法進行規律的收縮時，血液便無法順利輸送，而使人產生胸痛、呼吸急促、頭暈等症狀，嚴重時更可能危及生命，這樣的情形則稱為心律不整(cardiac arrhythmia)。心律不整通常由專家及醫師藉著心電圖(electrocardiogram, ECG)的輔助來進行診察，因為在心電圖信號中，提供了許多重要的診斷資訊，但由於以人工的方式進行心電圖信號判讀十分費時，因此在本研究中採用了隱藏式馬可夫模型(Hidden Markov Model, HMM)來對不同類型的心電圖信號進行自動分類，而判讀對象包含了正常(normal)心電圖信號與心律不整心電圖信號，其中心律不整心電圖信號的種類有左束支傳導阻斷(left bundle branch block, LBBB)信號、右束支傳導阻斷(right bundle branch block, RBBB)信號、心房早期收縮(atrial premature complex, APC)信號以及心室早期收縮(premature ventricular contraction, PVC)信號，為了達到最佳的分類效果，研究中提出了三種不同的心電圖信號辨識架構，即針對不同類型的心電圖信號，而使用非固定的心電圖特徵值來進行隱藏式馬可夫模型的訓練以及心電圖信號的辨識，從實驗結果可得知，本研究提出的方法，為心電圖信號自動分類提供了一種快速且可靠的方式。 The heart is one of the most important organs in the human body. When the heart cannot pump regularly, it is called cardiac arrhythmia. During an arrhythmia, people may feel dizzy and pain in the chest. Furthermore, serious cardiac arrhythmias can result in death.Doctors and experts diagnose arrhythmias by using an electrocardiogram (ECG) because there are numerous useful information in ECG signal. Visual interpretation of ECG is a time-consuming process, therefore, we adopt a probabilistic approach based on Hidden Markov Model (HMM) for classifying ECG signal automatically. The ECG signals being classified including normal heartbeats, left bundle branch block heartbeats, right bundle branch block heartbeats, atrial premature complex heartbeats and premature ventricular contraction heartbeats. In order to perform well in classifying, we propose three different types of classification frameworks in our research. Besides, we use different amount of ECG features to train HMM models and classify ECG signals when processing different kinds of ECG signals. The results of the experiments show that the proposed method for automatic ECG signal classification is efficient and reliable.

隱藏式馬可夫模型應用於心電圖信號的自動分類 = Automatic ECG Signal Classification Using Hidden Markov Model
陳, 弘晉

隱藏式馬可夫模型應用於心電圖信號的自動分類 = Automatic ECG Signal Classification Using Hidden Markov Model / 陳弘晉撰 - [高雄市] : 撰者, 2012[民101]. - 57面 ; 圖，表格 ; 30公分.
107年4月10日公開參考書目：面48-50.
心律不整cardiac arrhythmia

隱藏式馬可夫模型應用於心電圖信號的自動分類 = Automatic ECG Signal Classification Using Hidden Markov Model
LDR:03928nam0a2200289 450 001 360463
005 20180331144724.0
009 360463
010 0 $b 精裝
010 0 $b 平裝
100 $a 20130306d2012 k y0chiy50 e
101 1 $a chi $d chi $d eng
102 $a tw
105 $a ak am 000yy
200 1 $a 隱藏式馬可夫模型應用於心電圖信號的自動分類 $d Automatic ECG Signal Classification Using Hidden Markov Model $z eng $f 陳弘晉撰
210 $a [高雄市] $c 撰者 $d 2012[民101]
215 0 $a 57面 $c 圖，表格 $d 30公分
300 $a 107年4月10日公開
300 $a 參考書目：面48-50
314 $a 指導教授：潘欣泰博士
328 $a 碩士論文--國立高雄大學資訊工程學系碩士班
330 $a 心臟，是人體中最重要的器官之一，心臟能夠正常的運作，血液才得以在體內維持新陳代謝，但是，當心臟無法進行規律的收縮時，血液便無法順利輸送，而使人產生胸痛、呼吸急促、頭暈等症狀，嚴重時更可能危及生命，這樣的情形則稱為心律不整(cardiac arrhythmia)。心律不整通常由專家及醫師藉著心電圖(electrocardiogram, ECG)的輔助來進行診察，因為在心電圖信號中，提供了許多重要的診斷資訊，但由於以人工的方式進行心電圖信號判讀十分費時，因此在本研究中採用了隱藏式馬可夫模型(Hidden Markov Model, HMM)來對不同類型的心電圖信號進行自動分類，而判讀對象包含了正常(normal)心電圖信號與心律不整心電圖信號，其中心律不整心電圖信號的種類有左束支傳導阻斷(left bundle branch block, LBBB)信號、右束支傳導阻斷(right bundle branch block, RBBB)信號、心房早期收縮(atrial premature complex, APC)信號以及心室早期收縮(premature ventricular contraction, PVC)信號，為了達到最佳的分類效果，研究中提出了三種不同的心電圖信號辨識架構，即針對不同類型的心電圖信號，而使用非固定的心電圖特徵值來進行隱藏式馬可夫模型的訓練以及心電圖信號的辨識，從實驗結果可得知，本研究提出的方法，為心電圖信號自動分類提供了一種快速且可靠的方式。 The heart is one of the most important organs in the human body. When the heart cannot pump regularly, it is called cardiac arrhythmia. During an arrhythmia, people may feel dizzy and pain in the chest. Furthermore, serious cardiac arrhythmias can result in death.Doctors and experts diagnose arrhythmias by using an electrocardiogram (ECG) because there are numerous useful information in ECG signal. Visual interpretation of ECG is a time-consuming process, therefore, we adopt a probabilistic approach based on Hidden Markov Model (HMM) for classifying ECG signal automatically. The ECG signals being classified including normal heartbeats, left bundle branch block heartbeats, right bundle branch block heartbeats, atrial premature complex heartbeats and premature ventricular contraction heartbeats. In order to perform well in classifying, we propose three different types of classification frameworks in our research. Besides, we use different amount of ECG features to train HMM models and classify ECG signals when processing different kinds of ECG signals. The results of the experiments show that the proposed method for automatic ECG signal classification is efficient and reliable.
510 1 $a Automatic ECG Signal Classification Using Hidden Markov Model $z eng
610 0 $a 心律不整 $a 心電圖 $a 隱藏式馬可夫模型 $a 心電圖信號自動分類 $a 心電圖特徵值
610 1 $a cardiac arrhythmia $a Electrocardiogram (ECG) $a Hidden Markov Model (HMM) $a automatic ECG signal classification $a ECG feature
681 $a 008M/0019 $b 464103 7511 $v 2007年版
700 1 $a 陳 $b 弘晉 $4 撰 $3 592869
712 0 2 $a 國立高雄大學 $b 資訊工程學系碩士班 $3 353878
801 0 $a tw $b NUK $c 20130306 $g CCR
856 7 $z 電子資源 $2 http $u http://handle.ncl.edu.tw/11296/ndltd/17862656113826249018