跳到主要內容

臺灣博碩士論文加值系統

(100.28.0.143) 您好!臺灣時間:2024/07/14 22:26
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:陳怡璇
研究生(外文):CHEN, I-HSUAN
論文名稱:使用長短期記憶神經網路偵測心律異常之三角積分高壓神經電刺激器
論文名稱(外文):Sigma Delta High-Voltage Electrical Nerve Stimulator For The Detection Of Cardiac Rhythm Abnormalities Using Long- And Short-Term Memory Nerve Networks
指導教授:邱弘緯邱弘緯引用關係
指導教授(外文):CHIU, HUNG-WEI
口試委員:黃育賢陳筱青謝秉璇
口試委員(外文):HWANG, YUH-SHYANCHEN, HSIAO-CHINHSIEH, PING-HSUAN
口試日期:2022-07-22
學位類別:碩士
校院名稱:國立臺北科技大學
系所名稱:電子工程系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:2022
畢業學年度:110
語文別:中文
論文頁數:53
中文關鍵詞:長短期記憶神經網路三角積分調變器心電圖辨識
外文關鍵詞:Long Short Term Memory NetworkSigma delta modulatorElectrocardiogram Identification
相關次數:
  • 被引用被引用:0
  • 點閱點閱:148
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
大部分研究顯示,長短期記憶神經網路 (LSTM) 可用於辨識心電圖 (ECG) 訊號,並具有學習網路時間動態的能力。這次的設計使用具有深度遞歸神經網路結構的LSTM來開發ECG訊號的預測模型,利用來自這些循環模型的預測誤差的概率分佈來分辨訊號是否有異常。而使用LSTM網絡的另一個優點是ECG信號可以直接輸入到網絡中,不需要額外使用其他系統所需要的精細預處理。三角積分調變器 (SDM) 是一種類比數位互相轉換的方法。在SDM當中最重要的特性就是雜訊塑形,如果只是利用超取樣的技術,量化雜訊仍然會對於輸入訊號的頻寬有相當大的影響,因此我們藉由使用雜訊移頻的技術,來改變量化雜訊在訊號頻寬內的頻譜形狀,將雜訊推到高頻項。透過LSTM電路辨識心電訊號後在偵測到異常時觸發邏輯控制電路,將雙向電擊波形輸入至SDM調變後,調變後的訊號利用Class D放大器電路將電壓升至高壓,再使用濾波器將波形還原而進行電刺激,進而達到心律調節的功能。

Most studies have shown that long and short-term memory neural networks (LSTMs) can be used to recognize electrocardiogram (ECG) signals and have the ability to learn the temporal dynamics of the network. This design uses LSTMs with deep recurrent neural network structure to develop prediction models for ECG signals, and uses the probability distribution of the prediction errors from these recurrent models to discriminate whether the signals are abnormal or not. Another advantage of using LSTM networks is that the ECG signals can be fed directly into the network without the additional fine pre-processing required by other systems. The Sigma Delta Modulator (SDM) is an analogous method of digital to digital conversion. The most important feature in SDM is noise shaping. If only oversampling technique is used, quantization noise still has a significant impact on the input signal bandwidth, so we use noise shifting technique to change the spectral shape of quantization noise in the signal bandwidth and push the noise to higher frequency. After identifying the ECG signal through the LSTM circuit, the logic control circuit is triggered when an abnormality is detected, and the bidirectional shock waveform is input to the SDM for modulation.The modulated signal uses a Class D amplifier circuit to boost the voltage to a high voltage, Then use the filter to restore the waveform for electrical stimulation, and then achieve the function of heart rhythm regulation.

摘要 i
ABSTRACT ii
致謝 iv
目錄 v
表目錄 viii
圖目錄 ix
第一章 緒論 1
1.1 前言 1
1.2 研究動機 1
1.3 論文架構 2
第二章 晶片系統架構與應用原理 3
2.1 晶片功能介紹 3
2.2心電圖訊號 4
2.2.1 心律不整 5
2.2.2 心房顫動 5
2.3心臟節律器 6
第三章 長短期記憶神經網路 8
3.1 類神經網路 8
3.1.1 前饋神經網路 8
3.1.2 遞迴神經網路 9
3.1.3 梯度下降 9
3.1.4 梯度消失 10
3.2 傳統的長短期記憶神經網路 11
3.2.1 記憶單元 13
3.2.2 輸入門 14
3.2.3 遺忘門 15
3.2.4 輸出門 16
3.3 堆疊式長短期記憶神經網路 16
3.4 電路模擬結果 17
第四章 三角積分調變電路 19
4.1 三角積分調變器基本原理 19
4.1.1 奈奎斯特取樣定理 20
4.1.2 量化誤差 21
4.1.3 超取樣技術 23
4.1.4 雜訊移頻 25
4.2 三角積分調變器架構 26
4.2.1 一階三角積分調變器 27
4.2.2 二階三角積分調變器 29
4.3電路模擬結果 30
第五章 晶片量測 32
5.1 晶片布局圖 32
5.2 晶片規格表 33
5.2.1 長短期記憶神經網路晶片規格表 33
5.2.2 三角積分調變器晶片規格表 34
5.3 量測電路板 34
5.4 量測環境 35
5.5 長短期記憶神經網路量測 36
5.5.1 參數取得 37
5.5.2 輸入訊號處理 40
5.5.3 長短期記憶神經網路輸出 42
5.6 三角積分調變電路量測 48
第六章 結論與未來展望 50
6.1 結論 50
6.2 未來展望 50
參考文獻 52
[1] Crofoot M,Sarwar A,Weir AJ, External Pacemaker StatPearls. 2021 Jan
[2] Ivanchina AE,Kopylov FY,Volkova AL,Samojlenko IV,Syrkin AL, [Clinical Value of Algorithms of Minimization of Right Ventricular Pacing in Patients With Sick Sinus Syndrome and History of Atrial Fibrillation]. Kardiologiia. 2018 Aug
[3] Davey P. ECG at a glance. John Wiley & Sons, 2013.
[4] 取自 https://zh.wikipedia.org/zh-tw/%E5%BF%83%E7%94%B5%E5%9B%BE
[5] 顏戊邨,心律不整,傳統醫學雜誌, (14), 2003
[6] 取自 http://www.hkpe.net/hkdsepe/human_body/heart.htm
[7] Philip Warrick, Masun Nabhan Homsi“Cardiac arrhythmia detection from ECG combining convolutional and long short-term memory networks” IEEE, April. 2018
[8] 鄭文涵,趙子凡,林彥璋,心房顫動治療指引之簡介,臨床醫學月刊;80卷6期 (2017 / 12 / 29)
[9] 取自 https://medebm.blogspot.com/2018/01/atrial-fibrillation-af.html
[10] Hyman AS. Resuscitation of the stopped heart by intracardial therapy: II. experimental use of an artificial pacemaker. Arch Intern Med 1932;50:283-305
[11] 取自https://epaper.ntuh.gov.tw/health/201601/project_1.html
[12] 郭仕堯,蕭樂群,張原賓,類神經網路於飛航網路運量預測之應用,航空太空及民航學刊.系列B ; 42卷1期 (2010 / 04 / 01)
[13] 李佩俞,林獻庭,何鳳雯,林家弘,林逸豪,林致宇,陳志成,蜂巢式網路資訊的移動類型辨識器,TANET2019 臺灣網際網路研討會 ; 2019年 (2019 / 12 / 01)
[14] 鄭允中,基於長短期記憶遞迴類神經網路之新台幣兌美元匯率預測模型,碩士論文,國立台灣大學電機資訊學院資訊工程學系,2005.
[15] Y.Bengio,P.simard,and P.Frasconi. Learnnig long-term dependencies with gradient descent is difficult. IEEE Transactions on Neural Networks, 5(2)
[16] S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural computation, vol. 9, no. 8, pp. 1735–1780, 1997.
[17] Sucheta Chauhan , Lovekesh Vig “Anomaly Detection in ECG Time signals via Deep Long Short-Term Memory Networks” IEEE International Conference on Data Science and Advanced Analytics, Oct. 2015
[18] Keogh E., Lin J., Fu A. HOT SAX,”Efficiently finding the most unusual time series subsequence”, Proceedings of the 5th IEEE International Conference on Data Mining (ICDM ’05), November 2005, pp. 226233.
[19] S. R. Norsworthy, R. Schreier, and G.C. Temes, “Delta-Sigma Data Converters,” IEEE Press. 1997.
[20] 王闕旭,應用於軟體定義無線電之多標準三角積分調變器設計與實現,碩士論文,國立台北科技大學電腦與通訊研究所,2006.
[21] 徐靜瑩,應用於生醫訊號之可重組三角積分調變器設計,碩士論文,國立交通大學電機學院IC 設計產業研發碩士班,2007.
[22] G. A. S. Machado, N. C. Battersby, and C. Tomazou, “On the Development of Analogue Sampled-Data Signal Processing,” Analog Integrated Circuits and Signal Processing, 1996.
[23] D. A. Johns and K. Martin, Analog Integrated Circuit Design. John Wiley & Sons, Inc., 1997.
[24] 劉炳宏,應用於體內通訊平台(IBC)三角積分數位類比轉換器設計,碩士論文,國立暨南大學電機工程研究所,2014.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top