杨洁[1]2004年在《心电算法及其参数数据库的构建》文中提出医学数据库作为一种宝贵的医学资源，对医学研究，临床诊断、疾病过程和预后判断具有重要价值。心电数据库作为医学数据库的一个重要组成部分，它在特定领域中发挥着重要作用。本项目主要在国内外现有的心电研究基础上，筛选和整理心电资料，初步实现对常规心电数据库的分类存储，以临床依据建立与常见心脏疾病的联系。本论文重点是心电算法参数数据库的建立。 在综述章节中，论文介绍了国内外心电数据库的研究现状，介绍了国际权威心电数据库和国内外一些其它数据库，阐明了心电数据库的研究价值和开发心电图数据库的推荐标准，同时介绍了国内外心电算法的研究现状，并在此基础上，提出了本论文工作的内容和意义。 因论文的重点是心电算法，本文在国内外现有的心电研究基础上，筛选和整理心电算法资料，实行分门别类。第二章就详细的罗列了众多的心电算法，包括ECG压缩算法、ECG各波分割检测算法(P波检测、QRS检测、R波检测、QT检测、QT离散度检测、ST段检测)、ECG信号除噪算法、心律不齐相关算法、疾病诊断相关算法和其它算法这几个大类。 在收集总结了ECG算法资料之后，本文介绍了心电算法及其参数数据库软件的设计和数据库的设计。其中，大量的算法数据是在Microsoft Access中存储和管理。而数据库界面则是用Borland公司开发Delphi完成。数据库与Delphi之间的数据传输则是通过ADO控件进行连接。
孙纪光[2]2017年在《多导心电算法及应用系统的研制》文中研究指明心血管疾病是导致人类死亡的头号杀手,心电图(ECG)检查是目前心血管疾病预防和诊断的最常用手段之一。为了减小医生工作量,提高医生诊断的准确性,逐渐将心电信号自动分析技术应用到临床心电图诊断。已有的心电算法仍存诸如抗扰、精确分类和智能多导分析等问题,限制其临床的广泛应用。本课题主要围绕”波形检测和特征点定位”、”数字特征和形态特征提取”、”心搏分类和诊断分析”3个方面展开。波形检测和特征点定位的研究:在QRS波群检测方面,提出了一种基于数学形态学的Pan&Tompkin算法,该方法主要优点在于抑制了高大T波,基线漂移以及高频噪声算法的影响。QRS波群起点和终点的定位,提出一种新的低通差分法(NLPD),算法在融合多通道ECG信号的基础之上,通过一种平滑处理,避免了起点和终点差分峰的定位,提高了算法对异常QRS波群检测的准确性。P、T波的检测,本文首次综合传统的低通差分法、梯形面积法以及临床医生常用的切线法,减小了P、T融合、u波等情况下的测量误差,改善了长PR间期导致的P波漏检等。经过MIT-BIH数据库、CSE数据库等验证了本文所提出算法的有效性。心电信号数字特征和形态特征提取的研究:本文对比了常用的参数分析方法—时域、频域、时频域、高阶统计量分析方法,提取了QT间期、PR间期等医生常用参数。QRS等波基本形态分类,相关研究较少,本文首次采用了基于深度学习的方法—稀疏自编码器(SAE)对QRS波群基本形态进行分类。波形分类和诊断分析的研究:主要提出了一种基于特征和支持向量机(SVM)的波形分类算法。该算法所选参数是基于本文所提出的等参数,并结合其他的时域QRS波群参数将心搏分为PVC/N两种类型,其他类型的心律失常疾病分类可以在此基础上进行展开。此外,基于深度学习的方法进行心律失常分析,相关研究较少,本文研究了基于稀疏自编码器(SAE)将心搏分为PVC/N两种。经过MIT-BIH数据库测试分析,验证了本文所提出算法的有效性。本课题搭建了心电信号采集平台,采集了600例不同年龄、性别、疾病种类的临床12导心电信号,经过医生标定,初步建立一个基于中国人的ECG数据库(称为SZU数据库),并对本文所提出的算法进行了验证。该数据库更加适合于基于中国人的ECG自动分析算法的测试和开发。
盛志强[3]2017年在《心电分析系统的设计与实现》文中进行了进一步梳理近年来,随着青年人猝死的现象越来越多,心脏的健康问题再一次被人们谈及并加以重视,促使出现可穿戴设备骤然繁荣的现象。其实,心脏系统方面的疾病历年来都是医学领域特别重视的主题,其具有疾病种类繁多、隐匿性高、致死率高等特点,对于人类生命健康构成极大的安全威胁。因此,对于心电信号的研究是十分有必要意义的,其中研究包括对采集的心电信号进行预处理、心脏特征波形识别检测以及通过识别的特征波形对心律失常相关疾病加以分类诊断的研究。心电信号预处理的结果决定着心电波形的检测准确效果,波形检测结果直接影响对心律失常相关疾病的分类与诊断效果。针对上述问题,本文主要围绕着心电信号预处理、心电波形特征检测以及心律失常疾病分类诊断这叁个方面进行阐述。首先,针对心电信号数据文件的特点进行数据读取算法的设计与实现,然后根据心电信号噪声特点,采用多尺度小波分解与重构的方法设计心电信号去噪算法,并对去噪效果与传统的滤波器去噪法进行对比分析。其次,对去噪后的心电信号进行波形识别,根据心电波形的特点,设计并实现了一种非线性放大R波检测算法。此外,针对心电波形的区域位置特点,设计并实现了一种新颖快速的R波检测算法,通过构建脉冲波与区域定位特点进行检测,并提出了相应的漏检与误检补充算法并对R波检测结果进行验证与对比。基于构建脉冲波与区域定位的思想对Q波、S波、QRS波起止位置点以及P波、T波、P波起止位置点、T波起止位置点进行检测算法的设计与实现并对各个心电波形的检测结果进行分析。最后,对心电波形检测结果提取心电特征参数,在临床医学诊断知识的基础下构建规则决策树对几种心律失常疾病进行分类与诊断,并对算法实现的结果进行分析。本文在以上叁个方面研究内容的基础上,应用Windows下Qt软件平台对心电分析系统进行设计与实现。通过对软件的运行和结果展示,该软件运行流畅无错误,对心电信号预处理效果明显、心电波形检测较为准确、几种心律失常疾病自动分类诊断效果较好,对心电分析工作者有参考价值。
赵朝君[4]2015年在《低功耗心电处理算法及存储架构研究》文中研究表明集成电路技术的发展使更多复杂的处理模块能够集成在很小的芯片上,这给基于传感器的可穿戴心电监测装置发展带来了机会。在可穿戴心电平台中,基于通用处理器的心电处理平台能够同时兼顾硬件和软件设计的灵活性而应用广泛,但是功耗是其应用的主要障碍。本文以心电信号处理为目标,以通用处理器平台的低功耗设计为核心,主要研究了包括心电处理算法和处理器存储架构等关键技术,具体的研究内容和创新点包括：1.基于经验模态分解的心电压缩算法研究。通过分析经验模态分解算法的流程和特性,本文首次提出了使用经验模态分解的筛选过程进行压缩的算法。该算法使用第一阶本征模态函数的筛选过程,利用筛选函数的极值均值点能够重构原信号的特点,避免了传统使用极值点拟合本征模态函数具有较大误差的缺点,并结合筛选函数重组、极值均值点优化选取的方法,减少了需要保存的特征点数量,在达到较低重构失真的同时增加了压缩效率。相对于传统经验模态分解的心电压缩方法和其他变换域的方法,该方法能够实现更大的压缩效率和更低的重构失真。在以传输数据为任务的可穿戴心电设备中,该方法能够降低数据传输量,减少无线传输功耗。2.信号特征预判的低功耗QRS检测算法研究。本文通过分析基于小波变换的QRS检测算法,利用绝大部分小波变换系数幅值较小的特点,提出了基于时域信号特征预判的低运算量QRS检测算法。该方法利用简单的时域滤波和预判操作,筛选出信号中疑似QRS波段,并结合不同RR间隔(心跳间隔),对疑似QRS波使用基于单尺度小波分解和多尺度小波分解相结合的QRS检测方法。实验结果表明,该算法在检测准确率和抗噪声能力上都与原基于小波变换的算法相当的情况下,获得了77.9%的运算功耗降低。该算法能够获得算法复杂度和功耗的降低,非常适应可穿戴心电平台的实时处理需求。3.面向心电处理的低功耗内存架构研究。本文通过分析基于小波变换的QRS检测算法,研究了内存空间中局部地址范围内的值空间局部性(内存值之间差值较小),提出了基于值压缩的压缩存储策略,其通过在多个内存地址中使用一个基地址和多个较小宽度偏移值的方法,降低存储空间消耗。并针对内存值动态变化特性,设计了以链表方法管理的后备非压缩空间用于动态的分配和释放非压缩内存空间存储原压缩值。进一步,利用程序内存的顺序访问特性,本文设计了基于内存读写缓存的低功耗访问策略。实验结果显示,相对原内存架构,该内存架构能获得32.5%的内存空间降低,68.1%的内存功耗降低。该架构和方法能够在降低内存容量消耗的基础上,获得访问功耗的降低,非常适用于基于通用处理器的心电平台。本文提出的关键技术对可穿戴心电检测平台,特别是针对极低功耗心电处理的通用处理器平台的设计具有积极的理论研究意义和实际应用价值。
钱垚[5]2008年在《远程心电监护系统的研究与设计》文中提出远程医疗系统是采用通信技术为远离医院的患者或用户提供医疗、保健和咨询的服务系统,是近年来非常重要的一个研究领域,也是一个相对薄弱的研究领域。由于心脏病和高血压的发作具有突发性和危险性的特点,一般将心电图的远程监护和报警作为监护的一个重要应用。本课题的研究是基于GSM网络的无线智能心电监护系统,是一种集本地智能报警、远程实时监测、诊断为一体的新型院外监护系统。其特点是监护中心能通过移动通信的无线网络,实时、动态地监测上百名院外患者在移动状态下的心电异情。该系统既可作为院内监护(ICU/CCU)的延续,也可用来协助医生捕捉不明原因的心悸、胸闷、胸痛和晕厥患者的病情信息,或用于急性心肌梗塞后,以及室性心律失常、高血压病等高危患者的检测和指导治疗。本系统终端采用HK-2000B型传感器采集心脏脉动,使用32位的高性能、低功耗ARM7作为系统主处理器,引入新型LMS算法滤除低频信号,改进了差分阈值法用来检测R波,并在MIT-HIB库中验证了算法的可靠性和准确性。传输部分采用TC35GSM短信模块实现了心电报警信息的无线传输,并提出利用手机的语音模块传输心电数据的方法。系统服务器端由手机/GSM模块和PC机组成,可通过声卡和串口接收用户端的心电数据。终端软件界面采用Visual Basic语言编写,完成心电数据的显示、分析、用户病例的查询和进行远程诊断,采用Access2003作为存储患者数据的数据库。
石金兰[6]2008年在《面向智能服装的亚健康评估系统的研究》文中研究说明针对服装与人体的特有联系,提出用智能服装检测人体生理信号,即通过各类传感器检测人体生理信号,再经过信息处理模块,融合多生理信号,建立对人体的亚健康智能评估系统,实现亚健康的实时干预调理。该测评方法为亚健康的评估提供了一种新的方法,为实时从生理参数上评估亚健康作了初步的研究。论文首先针对日益突出的亚健康问题,分析了亚健康的国内外研究现状,研究了亚健康的症状及其产生的原因,及从疲劳研究亚健康的可行性。简要介绍了亚健康的生理学、心理学与社会学基础,从理论上论证了心脏功能、体温变化、呼吸变化与亚健康之间的关系,提出一种嵌入服装式的亚健康评估系统,不受时间地点的限制,在不妨碍日常生活和工作中随时随地监测人体状况,通过监测得到的生理数据来智能评估亚健康状况,实现智能预警。其次,结合智能服装成为监控人体健康医疗设备的研究热点,及服装与人体生理信号的密切联系,提出了从嵌入服装式研究亚健康评估系统的方法,简单规划了嵌入服装式亚健康评估系统的设计原则,功能要求及总体框架,并研究了系统的工作原理,设计了传感器的放置位置。然后,介绍了嵌入服装式亚健康智能评估系统的开发平台及系统软件总体设计框图,重点阐述了实时显示模块、数据存储模块、数据回放模块及数据处理分析模块的实现方法,对LabVIEW数据库访问包LabSQL及LabVIEW和MATIAB的混编方法也做了相应的介绍。接着,介绍了运动心电信号的主要噪声,针对运动心电信号的特征,应用小波技术对其作了简单的消噪处理并应用斜率阈值法对消噪后的心电信号进行波形检测,提取心电的基本特征参数,为亚健康的评估建模提供参数。最后,通过提取的心电信号的特征参数,结合疲劳量表-14的测评结果,利用支持向量机对亚健康的评估模型作了初步研究。论文的研究成果为进一步研究分析评估不同人群的亚健康提供了一种新的方法。
王欣[7]2017年在《基于多特征识别的J波检测技术研究》文中指出J波在心电图中表现为QRS波群末端的驼峰形、顿挫形或尖峰状波形,其预示着恶性心率失常、心脏性猝死等心血管疾病的发生,可作为一些心脏疾病的预测指标。因此,需要一种高效准确的J波检测技术,为临床诊断J波相关疾病提供重要依据。本文提出两种J波检测方法,具体方法如下:第一种方法是基于时频域特征和自适应特征选择的J波检测方法。在对心电数据进行预处理后,从时频域角度对正常心电数据和含J波心电数据提取叁组特征,包括形态学特征、基于本征模函数的统计特征以及基于希尔伯特黄变换的统计特征。提出一种基于区分度的特征选择方法,对提取的特征集进行降维择优处理。用特征选择后的特征集训练支持向量机,通过粒子群算法优化其参数,最后用该分类模型对待测数据进行预测识别。第二种方法是基于混合特征提取的J波检测方法。对两种类型的心电数据分别提取时域上的R+75及其统计特征、频域上的DCT特征、两种非线性高阶统计特征。通过线性判别分析分别对两种非线性特征进行降维处理。对时域、频域以及降维后的非线性特征进行特征融合,使用PNN分类模型进行分类识别,对其影响因子进行数据分析确定最佳值。实验结果表明,本文提出的两种方法对J波的识别率均较高,平均准确度分别达到94.5%和95.0%,可以较为准确地从心电数据中检测出J波。
佚名[8]2007年在《自动化技术、计算机技术》文中指出TP13 2007012024一类时滞线性切换系统的稳定性和镇定/陈松林,姚郁(哈尔滨工业大学控制与仿真中心)//黑龙江大学(自然科学学报).―2006,23(2).―206～210.针对一类具有状态延迟的连续线性切换系统,研究了其渐近稳定性及状态反馈和输出反馈镇定控制律的设计问题。首先利用公共李亚普诺夫函数法给出了系统渐近稳定的充分条件及该条件下切换律的构造方法,然后给出了状态反馈和输出反馈镇定的充分条件,同时给出了稳定化控制律的参数化表示和相应切换律的构造方法。最后举例说明了结果的有效性。图2表0参12
参考文献：
[1]. 心电算法及其参数数据库的构建[D]. 杨洁. 浙江大学. 2004
[2]. 多导心电算法及应用系统的研制[D]. 孙纪光. 深圳大学. 2017
[3]. 心电分析系统的设计与实现[D]. 盛志强. 哈尔滨工业大学. 2017
[4]. 低功耗心电处理算法及存储架构研究[D]. 赵朝君. 浙江大学. 2015
[5]. 远程心电监护系统的研究与设计[D]. 钱垚. 东华大学. 2008
[6]. 面向智能服装的亚健康评估系统的研究[D]. 石金兰. 东华大学. 2008
[7]. 基于多特征识别的J波检测技术研究[D]. 王欣. 太原理工大学. 2017
[8]. 自动化技术、计算机技术[J]. 佚名. 中国无线电电子学文摘. 2007