北京治疗白癜风哪家医院最权威 https://wapyyk.39.net/bj/zhuanke/89ac7.html1.汪继龙博士学位论文答辩公告
01
学位论文简介心血管疾病一直严重威胁着人类的生命健康安全，高居全球非传染性疾病死因首位。远程心电监测系统能以其便捷高效的诊疗服务模式对预防、检测和治疗心血管疾病发挥着重要作用。但是，如何实现高效率、高精度的心电信号智能化分析，是目前远程心电监测系统所面临的主要挑战。传统的心电分析方法具有诊断效率低、精度不高、适应性差、泛化能力弱及智能化水平低等问题，不能满足对心电信号（Electrocardiogram，ECG）多样性、多变性特点的分析需求。远程心电监测系统是一类CPS，运用人工智能技术增强其功能，是当前心电监测技术研究的前沿问题。人工智能技术以数据驱动且无需外部假设条件，具有很强的特征提取能力和泛化能力，为推动新型智慧医疗体系的发展提供了有力的技术支持和工具。本文针对远程心电信号智能化分析过程中的降噪预处理、特征分割描绘、心律失常分类识别等关键任务，从算法模型层面研究AI技术在心电信号智能化分析中的应用，旨在提高远程心电医疗的智能化水平。本文主要工作及学术贡献有：(1)提出了一种基于生成对抗网络的心电信号智能降噪方法。针对远程环境下采集的ECG信号含有多种类型噪声干扰的问题，本文以一种新的对抗降噪视角将GAN模型的分布特征学习能力应用到ECG信号的降噪研究中，有助于学习不同噪声类型的复杂分布特征，实现了对ECG信号中包含的多种噪声类型的智能降噪。(2)提出了一种基于编码器-解码器模型的心电信号智能分割方法。针对ECG信号所具有多样性和多变性的特点，本文利用编码器-解码器模型优越的特征提取能力提取ECG信号中的隐藏特征并生成相应的矩形波分割描绘结果，实现了对ECG信号中P波、QRS波群和T波的起止点分割描绘。(3)提出了一种人机协同知识表示的可解释性心律失常分类方法。设计了一种人机协同知识表示用于心律失常分类识别，提高了模型的可解释性。针对模型的交互性差这一问题，建立了一种人在环中（Human-in-the-loop，HIL）的交互诊断机制来干预深度模型的推理过程，提高了模型的交互能力和分类性能。
02
主要学术成果
[1]JilongWang,RenfaLi,RuiLi,KeqinLi,HaiboZeng,GuoqiXie,LiLiu.Adversarialde-noisingofelectrocardiogram[J].Neuro
