全文总字数：5952字
1. 研究目的与意义（文献综述）
1.1研究背景：
心血管疾病仍然是全世界非传染性死亡的主要原因。根据世界卫生组织(who)的最新报告，2012年约有1750万人死于心血管病，占全球死亡总人数的30%。到2030年，心血管疾病死亡的发生率预计将上升到2300万。此外，心血管病相关治疗包括药物治疗的费用是巨大的。2011-2025年期间，低收入和中等收入国家心血管疾病相关成本估计约为3.8万亿美元。通过早期检测和监测患者的心功能，可以避免许多此类死亡和相关的经济损失。心电图(ecg)是cvd诊断[3]的标准和最有效的工具，它捕获人体体表的心脏电活动，为心脏功能异常提供重要信息。患有心血管疾病的人口比例不断增加，其中有心律失常。在心脏病的临床诊断中，心律失常有几种类型，包括房颤、早搏、室颤和心动过速。虽然单次心律失常心跳可能不会对生命造成严重影响，但连续的心律失常心跳可能会导致致命的情况。有时表明心脏功能发生了严重变化，如果不及时有效地治疗，可能会导致中风或心源性猝死。因此，采用临床分类和针对心律失常的特定治疗策略进行早期诊断至关重要。
在过去的几年中，一些算法提出了应对心律失常的分类方法。这些算法通常包括三个步骤：预处理，特征提取和分类。重要特征的提取对于最终分类至关重要。一些研究者利用小波变换[ 3，7]，以提取心电图特征，一些依赖ecg的形态学和时间信息，包括p峰，qrs复合波的幅度和位置以及t峰[12，13]。
2. 研究的基本内容与方案
2.1基本内容（功能）：
1.混合mit-bih arrhythmia database、cu ventricular tachyarrhythmia database、mit-bihatrial fibrillation database数据库，设计数据预处理程序，整合得到满足研究条件的数据库
2.基于单个数据库与混合数据库，分别进行qrs定位，研究分析不同数据库对于qrs定位的影响
3. 研究计划与安排
2020.01.07-2020.01.18 查阅参考文献，明确选题
2020.01.19-2020.02.28 进一步阅读文献，并分析总结；确定技术路线，完成并提交开题报告
2020.02.29-2020.04.26深入问题分析，算法设计，分析、比较及实现等
4. 参考文献（12篇以上）
[1]awni y. hannun, pranav rajpurkar, masoumehhaghpanahi, et al. cardiologist-level arrhythmia detection and classificationin ambulatory electrocardiograms using a deep neural network[j]. naturemedicine,2019,25(1):65-69.
[2] p. bizopoulos and d. koutsouris. deep learning incardiology[j]. biomedical engineering,2019,7(12):168-193.
[3]d. li, j. zhang, q. zhang, and x. wei, et al.classification of ecg signals based on 1d convolution neural network. e-healthnetworking, applications and services (healthcom), 2017 ieee 19th[c].international conference on. ieee, 2017.
课题毕业论文、开题报告、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。
