检索结果-南通市图书馆

基于ECG信号和体动信号的睡眠分期方法研究

在线全文

学校读者我要写书评

暂无评论

北京大学学报（自然科学版） 2021年第5期57卷 833-840页

作者：刘众王新安李秋平赵天夏北京大学深圳研究生院集成微系统科学与工程应用实验室深圳518055 北京大学信息科学技术学院北京100871

为了研究整夜睡眠状况和睡眠过程,利用多导睡眠仪(polysomnography,PSG)和体动记录仪,分别记录被试的ECG信号和体动信号,再对ECG信号提取心率变异性(heart rate variability,HRV)的特征值,并将其作为实验数据的特征参数。为了提高识别... 详细信息

为了研究整夜睡眠状况和睡眠过程,利用多导睡眠仪(polysomnography,PSG)和体动记录仪,分别记录被试的ECG信号和体动信号,再对ECG信号提取心率变异性(heart rate variability,HRV)的特征值,并将其作为实验数据的特征参数。为了提高识别率和防止过度拟合,将实验数据分为训练集和测试集,设计一个用遗传算法改进的BP神经网络模型,对样本进行训练和预测。研究结果表明,改进的BP神经网络能有效地识别测试样本,综合识别准确率为86.29%。将检测ECG信号和体动信号的穿戴式设备与睡眠分期识别算法相结合,能够用于家庭睡眠监测,也可作为睡眠疾病的初筛方法。

关键词：睡眠分期向后传播神经网络遗传算法 ECG信号体动信号

在线全文

学校读者我要写书评

暂无评论

基于特征选择算法的ECG信号分类

山东大学学报（工学版） 2022年第4期52卷 38-44页

作者：袁高腾周晓峰郭宏乐河海大学计算机与信息学院江苏南京211100

为了提高不同类别心电图(Electrocardiogram,ecg)信号的识别精度,使用小波分析提取心电信号特征,并使用分段距离的特征筛选方法对特征进行筛选排序,去除冗余和干扰特征,挑选出关键特征。通过缩减特征数量,提高分类的精度和效率。结合机... 详细信息

为了提高不同类别心电图(Electrocardiogram,ecg)信号的识别精度,使用小波分析提取心电信号特征,并使用分段距离的特征筛选方法对特征进行筛选排序,去除冗余和干扰特征,挑选出关键特征。通过缩减特征数量,提高分类的精度和效率。结合机器学习分类器对特征进行分类,比较分类效果。结果显示,在MIT-BIH数据集上,本方法的分类精度比不使用特征选择分类精度高0.22%,分类精度最高达到99.67%。试验证明本研究提出的模型能够区分4种常见的ECG信号,较传统方法优势明显。

关键词： ECG信号小波变换特征选择机器学习

在线全文

学校读者我要写书评

暂无评论

基于ECG信号的血糖监测方法研究

基于ECG信号的血糖监测方法研究

作者：李婷桂林电子科技大学

学位级别：硕士

目前,糖尿病已成为仅次于癌症和心脑血管疾病的第三大严重威胁人类健康的疾病,因此,糖尿病的病前防治和病症临床治疗已引起医疗领域的强烈关注。国际糖尿病联盟最新统计数据显示,全球已有5.37亿的糖尿病患者,患糖尿病的成人数量与20年... 详细信息

目前,糖尿病已成为仅次于癌症和心脑血管疾病的第三大严重威胁人类健康的疾病,因此,糖尿病的病前防治和病症临床治疗已引起医疗领域的强烈关注。国际糖尿病联盟最新统计数据显示,全球已有5.37亿的糖尿病患者,患糖尿病的成人数量与20年前相比,增加了一倍之多,而这些个数字在未来还在持续上升中。因此,无论是健康人体还是糖尿病患者都迫切需要一种精确、无创、高效、方便的血糖监测仪器。目前市面上出现的可以检测血糖的相关仪器大多是通过指尖采血的有创方式,使用者在使用过程中不仅会有创伤和疼痛感甚至有感染的风险,而且血糖检测的成本较高且准确度不能得以保证。无论是健康人体还是糖尿病患者出现低血糖或高血糖事件都会对自身造成不可逆的伤害,频繁的高血糖将导致身体抵抗力下降、肾功能受损、各种神经血管并发症甚至会患上糖尿病;低血糖会引起手抖、头晕、脾气暴躁等症状,严重者会诱发心脑血管疾病或猝死。可靠的无创、高精度血糖监测仪器还未普及,血糖监测技术尚未成熟,因此人类低血糖或高血糖事件无法有效监测。人体血糖监测在多个领域也引起了极大关注。无创血糖检测仪器由于其无创伤、血糖变化趋势可实时监测、适用人群广泛等具有良好的市场应用前景,目前仍然是国内外人体健康管理领域的学术研究重点。相关研究表明,人体血糖变化会影响人体相关生理信号的变化,但是由于研究需要大量实验数据及理论技术支持以及数据处理、数据计算、相关研究算法亟需改进等因素的影响,无创血糖检测技术还在不断研究发展中,无创血糖检测仪器也未得到推广与适用大众。根据当前的血糖监测技术,本文将提出一种高精度的血糖监测技术,该技术将基于人体的实时心电信号准确地监测人体内血糖浓度。采用德康G6和BIOPAC连续监测系统对人体的血糖浓度和心电信号进行持续采集,实验收集到的数据预处理后再利用两种深度学习的方法,分别基于去除信号噪声干扰的单个ecg周期信号和提取的单个周期ECG信号特征实现血糖水平的高精度预测,并通过调节机器学习模型的相关参数使血糖监测更为精准有效。结果显示,在基于单个ecg周期信号基础上使用CNN-LSTM进行建模,个体建模和群体建模的准确率分别为80%和88%。此时,群体模型的准确率更高,将血糖浓度分为十类,F1值分别为0.95、0.88、0.91、0.85、0.92、0.88、0.86、0.86、0.87、0.86;而基于提取的单个周期ECG信号特征基础上使用随机森林进行个体建模和群体建模时,准确率分别为99.9%和83.8%。此时,个体模型性能更优,平均F1值最高可达0.9999。因此,本研究表明,本文提出的基于ECG信号的血糖监测的两种方法中,在基于单个ecg周期信号基础上使用CNN-LSTM进行群体建模和基于提取的单个周期ECG信号特征基础上使用随机森林进行个体建模,均可为实时、准确的血糖监测提供理论支持和技术指导,其中基于提取的单个周期ECG信号特征基础上使用随机森林进行个体建模时的血糖监测性能更优,血糖监测准确率最高可达99.9%,可为个性化的无创人体血糖监测技术产品化提供有力的支持。

关键词： ECG信号 CGM CNN-LSTM 随机森林血糖监测

基于PPG信号和ECG信号的无创血压智能检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PPG信号和ECG信号的无创血压智能检测方法研究

作者：储芳芳南京邮电大学

学位级别：硕士

血压是心血管疾病诊断和日常健康监测的重要指标,掌握血压的波动状态能够及时的进行疾病的预防和治疗。高血压是引起脑梗塞和心力衰竭等心血管疾病的关键危险因素,并且呈现出年轻化的发展趋势。日常生活中有意识的进行血压测量,对于血... 详细信息

血压是心血管疾病诊断和日常健康监测的重要指标,掌握血压的波动状态能够及时的进行疾病的预防和治疗。高血压是引起脑梗塞和心力衰竭等心血管疾病的关键危险因素,并且呈现出年轻化的发展趋势。日常生活中有意识的进行血压测量,对于血压的异常变化尽早发现和干预,可降低相关疾病的患病风险。因此,本文设计了一种网络化无创血压检测系统,该系统通过采集人体臀部的光电容积脉搏波(PPG)和心电信号(ecg),结合人体特征数据,建立基于机器学习方法的血压优化算法,实现连续无创血压检测。主要研究如下:(1)首先,为提高信号的利用率并获取优质生理信号,本文基于预处理信号提出了优质信号提取算法。针对PPG信号,采用巴特沃斯带通滤波器消除PPG信号中的高频干扰,然后利用变分模态分解(Varjational Mode Decomposition,VMD)算法消除PPG信号中的基线漂移。针对ECG信号,将VMD算法和小波变换结合去噪。基于VMD算法将ECG信号分解,去除基线漂移模态分量,并根据与原始信号的相关性划分有效信号分量和含噪信号分量,然后利用小波变换对含噪信号分量降噪处理,最后将有效信号分量与降噪后信号分量重构,得到去噪的ECG信号。预处理后的信号进行优质信号提取,该算法基于检测到的信号特征点进行波形形态和阈值判断,得到确定周期的优质信号。为避免人体特征差异对血压预测精度的影响,分析人体生理特征参数(年龄、性别、身高、体重、体质指数、心率)与血压的相关性,结合脉搏波传导时间(PWTT)初步建立多元线性血压预测模型。(2)接着,通过优质信号提取PPG信号时域特征参数,加入人体生理特征参数,初步血压预测值和水银血压计测量的血压标准值,构建血压预测模型的样本数据集。为降低模型的计算复杂度,使用随机森林方法进行特征选择。在此基础上建立基于XGBoost的回归血压预测模型,为进一步提高模型预测精度,使用贝叶斯优化(Bayesian Optimization,BO)算法优化XGBoost超参数,并与其他机器学习模型进行对比分析。利用平均绝对误差(MAE)、决定系数(R)、准确率(AR)评估模型性能。实验结果表明,测试集在BO-XGBoost模型得到收缩压和舒张压的MAE结果为:3.16mm Hg和3.32mm Hg。平均绝对误差小于5mm Hg,满足美国医疗器械促进协会(AAMI)的标准要求。(3)最后,将血压检测算法与具体实践相结合,建立网络化无创血压检测系统,分别从硬件和软件两部分进行阐述说明。硬件部分主要包含三个模块:PPG和ECG信号采集模块、WLAN通信模块。软件部分主要从数据通信、算法实现和客户端显示三方面进行介绍。为验证系统血压检测性能,在使用样本数据集进行模型实验仿真验证的基础上,再随机选取4位具有不同生理特征的测试人员使用系统测量。4名测试人员通过该系统所得收缩压和舒张压的平均绝对误差均值分别为2.42mm Hg和1.96mm Hg,达到AAMI制定的误差范围。同时说明了本文提出的网络化无创血压检测系统进行血压检测的有效性和实际运用的可行性。

关键词：血压检测 PPG信号 ECG信号信号处理优质信号提取 XGBoost 贝叶斯优化网络化

基于PPG和ECG信号的多频域多特征身份识别方法和系统研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于PPG和ECG信号的多频域多特征身份识别方法和系统研究

作者：朱志敏南京邮电大学

学位级别：硕士

近几年,随着新兴技术产业和互联网公司的繁荣,人们生活变得越来越便利高效。而这种便捷的生活方式与个人身份识别紧密相连。现在,传统的身份验证方式,如身份证和密码,由于不能随时随地满足人们的需求,正逐步被基于生理信号的身份识别方... 详细信息

近几年,随着新兴技术产业和互联网公司的繁荣,人们生活变得越来越便利高效。而这种便捷的生活方式与个人身份识别紧密相连。现在,传统的身份验证方式,如身份证和密码,由于不能随时随地满足人们的需求,正逐步被基于生理信号的身份识别方法所替代。这种方法在近年来成为众多研究者竞相研究的热门课题。生理信号在不同个体之间呈现出的差异性,并且其自身同时具备唯一性、稳定性和难以复制的特点,因此非常适合用于身份识别。本研究选择人体自主产生的PPG和ECG信号作为生物特征,并验证其在网络化环境下的有效性。(1)研究了对PPG和ECG信号滤波、降噪等操作预处理。对每一条PPG和ECG信号进行周期性切割。针对两种单周期信号,分别从时域、频域和小波域分别提取PPG信号的20维特征和ECG信号的13维特征。接着,将这些特征构建成PPG信号和ECG信号的特征向量,并分别对两类特征向量实现归一化处理。(2)研究了一种基于PPG和ECG信号的特征级加权平均融合算法和一种基于重要度因子的改进快速相关性滤波算法。通过将两种不同维度的特征向量进行融合,充分利用了PPG和ECG信号的互补性,加权平均融合方法提高了特征的可靠性,增强身份识别系统的稳定性;关注信号特征与个体类别之间的关联性,对融合后的特征进行进一步降维,从而获得降维后的特征子集,改进快速相关性滤波算法进一步提升性能。(3)采用基于基权重群英策略的改进灰狼算法优化支持向量机,研究构建了身份识别模型。将融合降维后的特征子集输入到构建的模型中进行训练和测试,以验证本研究提出的算法的可行性;实验结果表明,本研究所提出的基于PPG信号和ECG信号多频域特征的身份识别方法表现出良好的性能,相比传统的身份识别方法,本文算法在速度和识别准确率方面均有显著提升。(4)研究实现了一套基于PPG和ecg多频域特征的网络化身份识别系统。该系统利用WI-FI模块完成数据的无线传输,通过云平台或上位机实现算法过程,并通过图形显示界面或其他方式展示识别预测结果,构建了一套完整的网络化身份识别系统。

关键词： PPG信号 ECG信号改进快速相关性滤波支持向量机改进灰狼算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种用于ECG信号获取的低噪声斩波放大器

南京邮电大学学报（自然科学版） 2021年第3期41卷 72-76页

作者：马乾张瑛黄常华刘凯南京邮电大学电子与光学工程学院、微电子学院江苏南京210023 南京邮电大学射频集成与微组装技术国家地方联合工程实验室江苏南京210023

基于0.18μm CMOS工艺设计了一种应用于ECG信号采集的低噪声电容耦合斩波仪表放大器。该放大器采用斩波技术与晶体管噪声优化技术,减小了1/f噪声和热噪声,并提出一种基于占空比电阻的改进型前馈电极失调消除回路,抑制了电极直流失调电... 详细信息

基于0.18μm CMOS工艺设计了一种应用于ECG信号采集的低噪声电容耦合斩波仪表放大器。该放大器采用斩波技术与晶体管噪声优化技术,减小了1/f噪声和热噪声,并提出一种基于占空比电阻的改进型前馈电极失调消除回路,抑制了电极直流失调电压。仿真结果表明,电路的静态电流为1.2μA,带宽为0.17 Hz~4.3 kHz,增益为40 dB,等效输入噪声为1.8μVrms(0.5~100 Hz),满足ECG信号采集的要求。

关键词： ECG信号斩波技术占空比电阻前馈技术

在线全文

学校读者我要写书评

暂无评论

基于深度学习的ECG信号分类算法研究

基于深度学习的ECG信号分类算法研究

作者：宋欣东大连海事大学

学位级别：硕士

心电图(Electrocardiogram,ecg)作为一种非侵入性检测工具,其展示的随时间变化的心电信号是检测心律失常症状的重要依据,反映心脏各个部位的生理状态,同时也是诊断心血管疾病的重要辅助手段。由于心律失常的ECG信号样本数据匮乏、各类... 详细信息

心电图(Electrocardiogram,ecg)作为一种非侵入性检测工具,其展示的随时间变化的心电信号是检测心律失常症状的重要依据,反映心脏各个部位的生理状态,同时也是诊断心血管疾病的重要辅助手段。由于心律失常的ECG信号样本数据匮乏、各类别信号之间的数量严重失衡。且ECG信号特征复杂,使得目前的分类算法对ECG信号的心律失常检测容易产生误诊、漏诊情况。本文基于近年来迅速发展的深度学习技术,从数据增强算法、分类算法两个角度对ECG信号的分类展开研究,主要工作内容如下:1、给出一种基于CNN与Bi LSTM结合的ECG信号分类方法。针对目前的特征提取方法捕捉细节能力不足,单一尺度提取的ECG信号形态特征不够全面等问题,首先给出一种增强残差网络实现特征的点对点跨层融合来增加单个特征所含的信息量,之后通过结合尺度分解策略来扩展维度空间,构建出一种并行的卷积神经网络(Convolutional Neural Networks,CNN)结构,增强模型对复杂特征的多尺度分析能力;针对CNN提取的多级特征缺乏关联性的问题,引入双向长短时记忆网络(Bi-directional Long Short-Term Memory Network,Bi LSTM),通过增加长短时记忆网络的反向信息关联能力,并返回不同时间步的隐藏状态,提升模型对CNN提取的多级ECG信号特征之间的关联决策能力。2、给出一种基于动态时间规整算法的Bi LSTM-DCGAN ECG信号生成及分类方法。深度卷积生成对抗网络(Deep Convolution Generative Adversarial Networks,DCGAN)在自身训练数据包含多种类别时,由于无法在生成ECG信号的同时直接对其进行分类,因此其每次训练通常只能针对于一种ECG信号数据,或者需要训练新的分类算法进行分类。针对以上问题,引入不同类别ECG信号的类别标签作为生成器网络数据生成的条件判别信息,通过将动态时间规整算法(Dynamic Time Warping,DTW)与DCGAN结合,提出一种双判别器结构。将新增的相似度判别器用于指导模型的训练过程,并通过计算训练过程中生成的信号与各类别真实信号之间的DTW分数,实现对生成ECG信号的分类;针对生成器网络只能在局部序列进行特征提取的问题,将Bi LSTM与CNN结合,提升生成器网络的序列学习能力。3、给出一种基于阈值迁移的生成对抗网络数据增强方法。针对生成对抗网络在面对训练集数据量过少时,难以通过训练模型生成有效数据的问题,通过引入DTW分数添加阈值指导生成对抗网络的参数迁移过程,给出一种基于阈值的深度生成迁移学习方法;针对生成信号单一,无法进行有效数据增强的问题,通过在训练中计算每个样本与其他样本之间的距离,引入小批量判别。并与DTW相似度判别器共同作用提升生成信号的多样性。最终通过对S类别信号的增强,提升分类算法针对N、S、V、F四种ECG信号的分类性能。

关键词： ECG信号深度学习生成对抗网络迁移学习动态时间规整算法

基于改进小波阈值-CEEMDAN算法的ECG信号去噪研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机工程与科学 2020年第11期42卷 2067-2072页

作者：张培玲李小真崔帅华河南理工大学物理与电子信息学院河南焦作454003 河南理工大学电气工程与自动化学院河南焦作454003

为了剔除心电图(ecg)信号中的噪声,提出了一种基于改进小波阈值-CEEMDAN的去噪算法。首先对ECG信号进行CEEMDAN分解得到了一组由高频到低频分布的固有模态分量(IMF),然后根据相关系数法,对高频IMF分量进行改进阈值的小波去噪。对于低频... 详细信息

为了剔除心电图(ecg)信号中的噪声,提出了一种基于改进小波阈值-CEEMDAN的去噪算法。首先对ECG信号进行CEEMDAN分解得到了一组由高频到低频分布的固有模态分量(IMF),然后根据相关系数法,对高频IMF分量进行改进阈值的小波去噪。对于低频IMF分量,再通过设定固定阈值,将低于该阈值的IMF分量确定为基线漂移信号并剔除,然后将去噪后的IMF分量和保留的IMF重构。实验结果表明,该算法相比经验模态分解(EMD)小波去噪和整体平均经验模态分解(EEMD)小波去噪算法效果更佳。

关键词： CEEMDAN ECG信号去噪小波阈值

基于VMD算法的ECG信号基线漂移校正研究

在线全文

学校读者我要写书评

暂无评论

现代计算机 2023年第4期29卷 54-59页

作者：顾旋张伟甘肃中医药大学信息工程学院兰州730100

针对现有方法校正ECG信号基线漂移的缺陷,提出基于VMD算法校正ECG信号的基线漂移。首先获取含真实基线漂移的ECG信号;然后基于最佳参数的VMD将含噪ECG信号分解为多个IMF分量,利用各IMF分量频谱图的峰值频率判断基线漂移;最后将含基线漂... 详细信息

针对现有方法校正ECG信号基线漂移的缺陷,提出基于VMD算法校正ECG信号的基线漂移。首先获取含真实基线漂移的ECG信号;然后基于最佳参数的VMD将含噪ECG信号分解为多个IMF分量,利用各IMF分量频谱图的峰值频率判断基线漂移;最后将含基线漂移的IMF分量舍弃,将其他IMF分量叠加得到去除基线漂移的ECG信号。同时将EMD算法和该方法对相同含基线漂移的ECG信号进行去噪,结果表明,该方法能更好地校正ECG信号基线漂移,且去噪后与原信号的相关系数更大。

关键词： ECG信号基线漂移 VMD算法 EMD算法校正