检索结果-南通市图书馆

中国科学技术大学学报 1998年第2期28卷 230-234页

作者：彭虎杨基海张俊霞冯焕清张作生丁哨卫中国科学技术大学生物医学工程研究所

动作电位对正向心电的仿真研究至关重要，提出了一种动作电位的建立方法和各种心肌单元动作电位的确定途径，并给出了由此仿真的ＥＣＧ信号，并结合临床ＥＣＧ对结果进行了分析．

关键词：动作电位心电图仿真 ecg信号

小波变换用于 ecg 信号的 R 波实时探测

在线全文

学校读者我要写书评

暂无评论

上海交通大学学报 1997年第9期31卷 18-21页

作者：杨毓英史习智陈光冶王立彬蔡悦斌上海交通大学振动冲击与噪声国家重点实验室

按照ａ＼ｔｒｏｕｓ算法实现以Ｍｅｘｉｃａｎｈａｔ函数为基本小波的小波变换，实时完成ＥＣＧ信号的Ｒ波检测，对ＭＩＴ／ＢＩＨ标准心电数据库中３个质量好、３个受噪声严重干扰的共６个信号进行探测，平均正确率可达９８．４２％以上．

关键词：小波变换 R波探测自动诊断 ecg信号心电图

一种基于ecg信息推断的心脏运动信号预测方法

在线全文

学校读者我要写书评

暂无评论

天津职业技术师范大学学报 2015年第1期25卷 1-5页

作者：梁帆杨莉莉崔世钢吴兴利天津职业技术师范大学天津市信息传感与智能控制重点实验室天津300222

提出一种基于时变多变量回归模型利用ecg信号和心脏运动信号相关性进行预测的预测方法,该方法将ecg信号非平稳心率变化信息的全过程通过模型中互相关项引入心脏信号预测中,以克服单纯的基于线性模型预测方法的不足,增强了对心脏信号中... 详细信息

提出一种基于时变多变量回归模型利用ecg信号和心脏运动信号相关性进行预测的预测方法,该方法将ecg信号非平稳心率变化信息的全过程通过模型中互相关项引入心脏信号预测中,以克服单纯的基于线性模型预测方法的不足,增强了对心脏信号中非平稳变化的适应能力,提高了估计的精度。通过对偶卡尔曼滤波器对模型的状态和参数分别进行估计,完成心脏运动信号的实时预测,并通过比较实验验证了算法的有效性。

关键词：心脏运动预测多变量自回归模型 ecg信号对偶卡尔曼滤波器

在线全文

学校读者我要写书评

暂无评论

基于小波变换的ecg信号伪差消除法

合肥工业大学学报（自然科学版） 1999年第4期22卷 104-106页

作者：朱康丽王笑梅合肥工业大学医院

文章利用二进小波的分解与重构方法，对人体心电图信号中常见的几种伪差进行消除，实验表明应用小波变换法可以迅速、有效地消除ＥＣＧ信号中由于肌肉震颤、基线漂移和工频干扰等引起的伪差，为正确判断ＥＣＧ信号提供了保障。

关键词：小波分析 ecg信号伪差消除法心电图

新生儿智能监护仪的设计与ecg信号中QRS波的识别算法

在线全文

学校读者我要写书评

暂无评论

鞍山钢铁学院学报 2001年第4期24卷 295-295页

作者：张勇王介生王成玖鞍山钢铁学院电子信息与工程学院辽宁鞍山114002

介绍了一种可以对新生儿的心电信号(ecg)和呼吸信号(RESP)同时进行监测的仪表的设计．当新生儿的呼吸停止20s和心跳小于100次两者同时发生时，监护仪可发出报警的声光信号以便医护人员进行急救处理．在ecg信号采集过程中，主要研究了QR... 详细信息

介绍了一种可以对新生儿的心电信号(ecg)和呼吸信号(RESP)同时进行监测的仪表的设计．当新生儿的呼吸停止20s和心跳小于100次两者同时发生时，监护仪可发出报警的声光信号以便医护人员进行急救处理．在ecg信号采集过程中，主要研究了QRS波的识别算法，并且对心电信号的滤波技术进行了深入的探讨，设计出性能优越，高速节时的滤波器和QRS波检测技术，相应地滤除了心电图(ecg)信号中的肌电、基线漂移和50 Hz工频等干扰，采用MT／BIH数据库对算法进行检验，达到了理想的效果．液晶显示模块LCD用于ecg和RESP信号的实时的现场图形的显示、预测、预报和主要心电和呼吸参数的数字显示．

关键词： QRS波 ecg信号新生儿心电图监护仪心电信号呼吸停止识别算法实时数据库

基于深度学习的心律失常分类及信号时间尺度研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的心律失常分类及信号时间尺度研究

作者：梁业松山东大学

学位级别：硕士

心律失常是常见的心血管疾病之一,对人类的健康造成了严重的威胁。心电图是标准的记录心脏活动的工具,被广泛用于衡量心脏的健康状况。目前,大多数研究通过心拍来对心律失常进行自动分类,然而使用心拍分类时,会忽视RR间期和PP间期以及... 详细信息

心律失常是常见的心血管疾病之一,对人类的健康造成了严重的威胁。心电图是标准的记录心脏活动的工具,被广泛用于衡量心脏的健康状况。目前,大多数研究通过心拍来对心律失常进行自动分类,然而使用心拍分类时,会忽视RR间期和PP间期以及代偿间歇等问题,导致这些关键信息无法被利用而产生分类误差。在分割截取心拍以及专家标注时也会出现很大的误差。伴随着深度学习的算法模型和临床医疗数据的结合应用研究越来越成熟,深度学习发挥着的作用越来越大。本文以MIT-BIH数据集为数据基础,分别以心拍和时间片段为研究单位来研究心律失常,主要的研究为以下两个方面:在针对心律失常心拍的分类任务中提出了空洞卷积(Atrous Convolution)聚合和注意力残差(Attention Resnet)机制相结合的算法。该算法使用不同尺度的空洞卷积建立了多个特征提取通道,不同于普通的多尺度卷积操作,空洞聚合模块的引入在提高心律失常分类准确率的同时还能降低参数量。注意力残差机制的引入能让模型关注于对心律失常分类重要的心电信息上,避免了模型的梯度退化,同时表现出较好的抗噪音性能。使用单一心拍分类研究心律失常忽略了心拍与心拍之间的信息,因此我们研究使用时间片段为单位,讨论了心律失常研究中的时间尺度问题,给出了时间片段的两种标记方式。考虑到时间片段研究的特殊性,在网络模型中加入了能够处理时间序列信息的双向门控循环单元(Bidirectional Gated Recurrent Unit),不仅可以关注目标信号前的心电信息,同时兼顾了目标信号后的心电信息。实验讨论了两种标记方式的优缺点,给出了适合心律失常研究的时间尺度,进行了特征图可视化。

关键词：心律失常分类时间尺度 BiGRU 空洞卷积注意力机制残差网络 ecg信号

多模态融合的L3智能车辆驾驶员接管能力评估模型研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多模态融合的L3智能车辆驾驶员接管能力评估模型研究

作者：刘丰源湖南大学

学位级别：硕士

L2辅助驾驶系统驾驶权始终没有转移,只需要对驾驶员疲劳分心进行监测,与前者不同,L3系统要求在紧急情况下需要完成驾驶权向驾驶员的过渡。因此对驾驶员接管能力的评估成为了驾驶员状态监测研究的新方向。基于驾驶员行为特征的接管能力... 详细信息

L2辅助驾驶系统驾驶权始终没有转移,只需要对驾驶员疲劳分心进行监测,与前者不同,L3系统要求在紧急情况下需要完成驾驶权向驾驶员的过渡。因此对驾驶员接管能力的评估成为了驾驶员状态监测研究的新方向。基于驾驶员行为特征的接管能力评估因可以实时对驾驶员接管后能否安全驾驶做出直接判断而备受关注。然而,现有的接管能力评估研究多选取制动反应时间和接管后的车辆行为作为评价指标,但该类方法预留决策时间较少。因此本文提出一种融合接管前生理信号、面部表情等多模态特征的方法,从驾驶员接管前的特征出发,评估驾驶员是否具有接管后安全驾驶的能力。首先,设计接管场景实验采集实验数据。为实现使用接管前驾驶员各项特征预测驾驶员接管质量,招募22名富有经验的驾驶员参与驾驶模拟实验,在接管场景车速为110km/h、碰撞时间TTC为6s的情况下完成接管任务,记录接管前驾驶员的生理信号、接管反应时间和面部表情作为原始数据,接管后的驾驶情况作为接管能力评判依据。然后,对多模态原始信号进行特征提取:生理信号选用心电信号,通过滤波排除工频噪声并去除异常值,进而参考驾驶员状态监测的生理研究,提取时、频域特征;接管反应时间通过计算接管信号发出到驾驶员按下接管按钮的时间间隔得出;面部特征通过对驾驶员实验视频进行抽帧,并借助卷积神经网络进行语义分割排除背景因素的干扰,进而使用基于面部表情公开数据集训练的模型进行表情分类。对提取的多模态特征进行相关性分析,从统计学角度验证单一种类特征难以排除个体差异性,即采多模态信息融合的方法必要性。最后,采用特征层融合与局部决策层融合相结合的策略进行分类预测,从准确率和ROC曲线的角度对模型进行评估,结果表明:预测模型在多模态信息融合特征输入时,对接管能力的评估准确率及泛化能力高于单一种类特征,且具有较好的防止过拟合能力。基于XGBoost模型对不同类型特征进行特征排序,结果表明在多模态信息融合的情况下按特征来源区分,各类特征的综合权重占比均衡,且对接管质量的预测精确度相较非多模态信息融合得到提升。

关键词： ecg信号面部特征多模态融合接管安全特征排序

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ecg信息融合的无创血糖回归估计

基于ECG信息融合的无创血糖回归估计

作者：张绪中南民族大学

学位级别：硕士

糖尿病的主要特征是血糖水平(Blood Glucose Level,简称BGL)持续上升,这是一种通过目前临床医学无法根治的慢性代谢疾病。血糖浓度大小是判断糖尿病的重要指标。糖尿病患者需要经常进行血糖浓度的测量,必要时通过服用降糖药物或者注射... 详细信息

糖尿病的主要特征是血糖水平(Blood Glucose Level,简称BGL)持续上升,这是一种通过目前临床医学无法根治的慢性代谢疾病。血糖浓度大小是判断糖尿病的重要指标。糖尿病患者需要经常进行血糖浓度的测量,必要时通过服用降糖药物或者注射胰岛素来维持血糖稳定。目前临床血糖检测是通过静脉抽血进行测量,这种测量方法虽然准确性更好,但是对于糖尿病患者来说,频繁采血十分痛苦。市面上的微创血糖测量产品,大部分是利用探头或者激光引脚刺入指尖或者身体其他部位获取组织液进行血糖水平测量。相较于传统的测量方法,这种检测方式虽减轻了患者静脉采血的痛苦,但是对血糖的检测具有滞后性,测量精度较低且容易引发创口感染。新型植入式动态血糖检测仪器(Continuous Glucose Monitoring,简称CGM)可以实现长时间的动态血糖检测,方便患者自我检测。但是CGM价格昂贵,设备需要经常校正,探头也需要频繁更换。再者,对于易过敏体质的患者来说,植入式探头材质有引发皮肤过敏的风险。在这样的背景下,无创伤、可连续测量、可观察血糖水平变化的无创血糖检测技术,成为了国际学术界的热门研究课题。在过去十多年,相关研究领域的科研团队一直努力探寻无创血糖测量的办法,发展至今,国际上的研究成果日益增多,许多前沿创新技术开始应用于无创血糖检测上。但是,由于无创血糖检测技术难度的限制,至今能够进行高精度无创血糖检测技术并完成产品化十分罕见。基于此,本研究利用大数据思维,对心电信号(Electrocardiogram,简称ecg)中提取到的多个特征以及心率值、呼吸、加速度信号等信息融合建模,提出基于ecg信息融合的无创血糖回归估计系统,设计一个兼具长时效性、高准确性的无创血糖检测系统。最后对模型预测结果进行科学评估并作详细对比分析,最终发现无创血糖估计效果最好的模型是卷积神经网络结合长短时间记忆网络(CNN+LSTM)。本课题结合了人体生理微弱信号检测与处理、嵌入式软硬件开发设计、机器学习和深度学习等方面的知识,主要完成了如下的工作:1.对血糖浓度测量方式做详细调研并比较优劣;对国内外无创血糖检测技术研究现状做出系统概述;对无创血糖检测设备进行了市场需求分析。2.改进硬件电路设计,实现了ecg信号和脉搏波可同时测量的硬件电路平台,硬件系统包括脉搏波和ecg信号同步采集电路、充电稳压电路、STM32控制电路以及信号收发模块,并对设计思路和电路原理进行了详细介绍,同时给出本研究的电路设计原理图。3.改进了ecg信号滤波算法,着重研究ecg信号特征如P波、QRS波群以及T波的检测方法。详细说明本研究选择的八种机器学习算法的原理、选用理由以及参数设计。4.利用ecg信号特征和其他特征融合进行机器学习和深度学习建模,经过多次反复调参实验,最后分析比较得到血糖水平预测的最优模型,CNN+LSTM模型测试准确率最高可以达到90.13%。5.实现机器学习和深度学习模型对无创血糖浓度的预估,对模型预测结果进行分析和对比,证明基于ecg信号的多特征信息融合的机器学习和深度学习算法可以得到比较好的血糖水平预测效果。为便携性和精准性兼具的无创血糖检测设备提供有力的算法储备。

关键词：无创血糖测量 ecg信号机器学习深度学习便携式

基于多模态生理信号融合的身份识别算法研究与系统设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多模态生理信号融合的身份识别算法研究与系统设计

作者：薛毓楠南京邮电大学

学位级别：硕士

随着信息技术产业与互联网行业的蓬勃发展,日常便捷的生活与工作环境离不开个人身份识别系统。目前,使用证件、密码等传统的判别身份的方法由于无法满足人们的日常需求逐渐被淘汰,基于人体生理特征的生物信号身份识别技术逐渐成为研究... 详细信息

随着信息技术产业与互联网行业的蓬勃发展,日常便捷的生活与工作环境离不开个人身份识别系统。目前,使用证件、密码等传统的判别身份的方法由于无法满足人们的日常需求逐渐被淘汰,基于人体生理特征的生物信号身份识别技术逐渐成为研究热点。由于不同个体间存在的差异性,且生理信号独有的唯一性、稳定性、难伪造性等特征,利用其进行人体的身份识别具有得天独厚的优势。本文以光电容积脉搏波(PPG)信号与心电(ecg)信号为对象,设计并验证了一套完整的可网络化视窗的身份识别系统。本文首先对PPG信号与ecg进行信号清洗,包括信号滤波、去噪处理等;接着切分信号周期,化为单周期信号,对PPG信号从时域、频域、血流信息参数等方面提取信号特征;对ecg信号从QRS主波时域与频域提取信号特征,分别构成PPG信号与ecg信号特征向量。接着,为了增强身份识别系统的稳定性,本文提出了基于PPG信号与ecg信号特征层融合的方法,利用两个模态信号间相关性最小的原理,使各模态特有的特征得到充分表达,实现了各模态间特征互补,避免了单一模态特征身份识别系统识别精度不高的缺点。由于融合过程只考虑到了两个模态信号之间的相关性,忽略了信号特征与个体类别之间的联系,因此,本文提出了基于柯西扰动粒子群改进邻域粗糙集模型实现融合特征的进一步降维,得到最终的融合特征向量。为了获得更高的识别准确率,本文利用人工蜂群算法优化支持向量机,构建身份识别模型,将融合降维后的信号特征输入进模型中进行测试,验证本文所提算法的有效性。经过多次试验,本文所提出的基于PPG信号与ecg信号融合的身份识别方法性能良好,可以达到较高的正确识别率。最后,本文实现了基于两个模态生理信号融合的身份识别系统网络化。利用WI-FI模块完成数据的无线传输,云平台或上位机上完成算法实现过程,通过图形显示界面或其他显示识别预测结果,构建一套完整的网络化身份识别系统。

关键词：身份识别 PPG信号 ecg信号相关分析改进邻域粗糙集支持向量机网络化 GUI界面

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多模态智能化睡眠监测系统的设计

多模态智能化睡眠监测系统的设计

作者：刘玉岗燕山大学

学位级别：硕士

睡眠障碍是一种常见的健康问题,会影响脑功能和认知能力,甚至危及生命。目前,诊断睡眠障碍需要在医院使用昂贵的多导睡眠监测(polysomnography,PSG)设备,并由专家人工分析,这种方法不适合大规模应用。手环等简易监测设备准确率不高,无... 详细信息

睡眠障碍是一种常见的健康问题,会影响脑功能和认知能力,甚至危及生命。目前,诊断睡眠障碍需要在医院使用昂贵的多导睡眠监测(polysomnography,PSG)设备,并由专家人工分析,这种方法不适合大规模应用。手环等简易监测设备准确率不高,无法达到临床标准。因此,设计一套便携化、可用于家庭的医疗级睡眠监护系统对于家庭睡眠监护有着重要价值。本文以脑电、心电、呼吸等数据为基础,设计了一款基于安卓和云服务平台的多模态睡眠监测系统,并根据系统所采数据进行了多模态信号的特征提取、特征筛选和睡眠分期算法的研究。(1)针对常见睡眠监测设备的缺陷,本文设计并实现了基于STM32F40x ZGT6内核和ADS1292模拟前端的便携式多模态睡眠监测系统。开发了基于Android平台的移动端应用,实现了多模态数据的采集、解析、绘图、存储、上传、打标等功能。本文还搭建了云服务平台,集成睡眠监测算法,为用户提供报告生成、数据管理等服务。通过这些设计,本文实现了系统的便携性、多模态、智能化的要求。(2)本文采用自制系统和PSG系统同步记录了14例健康人的睡眠数据,并由睡眠医师基于PSG数据标注睡眠分期。从多模态角度分析了自制系统获取的单通道前额脑电(electroencephalograph,EEG)和心电信号(electrocardiograph,ecg),共提取出71个特征。为进一步挖掘多模态信号之间的隐含信息,本文基于哈佛医学院的心肺耦合算法(Cardio Pulmonary Coupling,CPC)提出了心肺耦合和心脑耦合算法,从心肺、心脑间的同步性、定向连接和互信息角度提取了38个特征。(3)为了得到最优分类器和最佳特征组合。本文根据数据模态将所有特征分为5个特征集,使用Kruskal-Wallis多重比较检验分析,剔除差异显著性较小的特征,并使用四种分类算法进行自动睡眠分期。结果显示,心电传统特征集、ecg模态特征集、EEG模态特征集、脑电心肺特征集和EEG-ecg模态特征集在不同分类器中取得的最高准确率分别为64.29%、79.79%、84.32%、88.01%、89.09%。接着,我们用递归特征消除算法去除冗余特征,在保证准确率的情况下节省了云平台计算资源。

关键词：多模态睡眠监测安卓应用 EEG信号 ecg信号睡眠分期