检索结果-南通市图书馆

中国医学物理学杂志 2024年第3期41卷 365-374页

作者：李刚高广帅张珍珍巴任伟李春雷刘洲峰中原工学院电子信息学院河南郑州450007 郑州人民医院郑东院区门诊部河南郑州450014

针对可变持续时间心电图(ECG)数据信号的非平稳性和时序性问题,提出一种基于连续小波变换(CWT)和高阶统计量(HOS)的心律失常识别算法。首先,针对可变持续时间ECG数据中每个样本的数据点数量不同,采用rr间期插值法预处理数据,并通过CWT... 详细信息

针对可变持续时间心电图(ECG)数据信号的非平稳性和时序性问题,提出一种基于连续小波变换(CWT)和高阶统计量(HOS)的心律失常识别算法。首先,针对可变持续时间ECG数据中每个样本的数据点数量不同,采用rr间期插值法预处理数据,并通过CWT将信号分解为不同的时频分量,从而使网络能够更好地提取心电信号中的时间和频率特征。其次,针对时序信息利用不充分的问题,提出基于HOS和长短期记忆网络的时序挖掘模块,以捕捉和学习ECG信号中的长期依赖关系,从而有助于识别和理解特定的心律失常类别。通过在公开的ECG数据集MIT-BIN上进行的大量实验,验证所提方法的有效性和优越性。

关键词：心律失常识别连续小波变换高阶统计量长短期记忆网络 rr间隔

来源：

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

多尺度卷积神经网络检测睡眠呼吸暂停

引用

电子测量与仪器学报 2021年第7期35卷 30-35页

作者：王涛鲁昌华孙怡宁蒋文钢合肥工业大学计算机与信息学院合肥230601 中国科学院合肥智能机械研究所合肥230031 黄山风景区管理委员会黄山245800

睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注。由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法。基于心电信号(ECG)提出了一种多尺度卷积神经网络睡... 详细信息

睡眠呼吸暂停综合征作为一种常见的与睡眠相关的呼吸障碍性疾病,受到众多的关注。由于其复杂的检诊断过程及昂贵的价格,吸引了众多研究学者探索基于单通道信号的快速、便捷检测方法。基于心电信号(ECG)提出了一种多尺度卷积神经网络睡眠呼吸暂停快速检测方法,与常规的单尺度卷积神经网络方法相比,该方法可以有效地结合信号的细节信息和抽象信息,提升卷积神经网络的特征呈现能力。通过PhysioNet提供的Apnea-ECG数据库进行验证,多尺度卷积神经网络获得了85.2%准确率、83.1%敏感性和86.5%特异性。与现有方法相比,该方法进一步提升了睡眠呼吸暂停的检测性能。

关键词：多尺度卷积神经网络睡眠呼吸暂停 rr间隔 R峰信号

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

运动模式下人体步态与心电信号的关联性分析研究

运动模式下人体步态与心电信号的关联性分析研究

引用

作者：黄泽银杭州电子科技大学

学位级别：硕士

步态是人体运动时双足随时间交替变化而具周期性的有序动作,具有丰富的人体运动行为特征信息。心电信号是人体心脏活动所产生的生物电信号,是反映人体健康生理状态的一种重要信息。两者常被广泛应用于医学诊断和治疗、运动科学以及健康... 详细信息

步态是人体运动时双足随时间交替变化而具周期性的有序动作,具有丰富的人体运动行为特征信息。心电信号是人体心脏活动所产生的生物电信号,是反映人体健康生理状态的一种重要信息。两者常被广泛应用于医学诊断和治疗、运动科学以及健康监测等领域。作为人体重要模式的步态特征和心电信号,两者的关联性研究尤为重要,尤其是运动领域中为预防疾病和确保人体运动健康提供重要的价值和依据,但目前两者的关联性仍处于理论阶段,尚缺乏定量的分析研究。本文通过分别研究不同运动模式下步态特征与心电信号的基础之上,建立回归模型,展开两者的定量关联分析研究。本文主要工作如下:（1）针对不同运动模式下采集的人体姿态数据,以每十个步态周期为一子集,提取步态特征。首先,通过步态时空和角度方面的量化,提取了步态周期、步长、步高、步宽、步速、步加速度、最大足趾/足跟外夹角;然后,基于非线性动力学方法提取了近似熵、样本熵、模糊熵、Lempel-Ziv复杂度、C0复杂度;其次,基于小波变换方法提取了小波系数模值特征;最后提出了包含时域和频域步态信息的多步态特征（MGF）进行分析。（2）针对运动心电信号中存在各种噪声的干扰问题,采用了基于自适应双阈值的运动心电信号实时检测算法。首先通过带通滤波器、微分运算、非线性放大以及移动窗口积分的预处理,去除噪声以区分QRS特征波;然后通过双阈值自适应优化算法检测R波位置,并以回溯搜索和不应期检测的方法,防止R波的漏检和误检;该算法提高了检测速度和精度,从而实时准确的定位R波位置,最后提取与步态时间对应的心电rr间隔特征进行分析。（3）分别研究了基于BP神经网络、随机森林、高斯过程回归、正则超限学习机、核超限学习机等算法的人体步态特征与心电rr间隔预测的关联分析回归模型。并以均方根误差、决定系数以及训练时间作为效果评价指标,对心电rr间隔预测的精度和速度进行了实验比较。实验结果表明,基于核超限学习机训练的回归模型能得到最低的关联预测误差和最高的决定系数。本文研究发现,运动的步态速度越快,预测心电rr间隔越准确;同时,MGF优于单个特征,与rr间隔高度关联。

关键词：步态特征心电信号 rr间隔核超限学习机回归模型关联性

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：