首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 999 毫秒

1.  基于S变换和Renyi熵的舒张期心音信号分析  
   张莉  赵治栋《杭州电子科技大学学报》,2014年第3期
   冠心病的无创诊断一直是学者研究的热点,近几年基于心音的冠心病诊断方法相继被提出。该文利用时频变换中的S变换对心音信号进行时频分析,在此基础上,用Renyi熵来度量舒张期心音信号的复杂度,以获取舒张期心音特征来区分正常信号与病理信号。实验结果表明,在S变换下,舒张期心音信号的Renyi熵能很好地区分正常人和冠心病患者。    

2.  基于心音传感阵列ICA信号处理的冠心病诊断的研究  被引次数:3
   叶学松  康锋  王平《传感技术学报》,2003年第16卷第1期
   通过研究冠脉血流动力学和心脏心音产生的机理,首次提出了将独立分量分析(ICA)方法应用于心音信号处理并达到自动检测冠心病的目的。在本系统中,信号采集系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测。经预处理后的信号最后通过计算机进行数据采集。应用独立分量分析的方法将心脏舒张期的心音信号进行分离,并将各心音分量的统计特征参数作为输入参量输入到径向其函数网络(RBF网络)进行训练和识别。实验结果说明,独立分量分析结合人工神经网络的心音信号的分析方法是一种较为有效的诊断冠状动脉疾病的无创伤方法。    

3.  基于Hilbert-Huang Transform的心音信号谱分析  被引次数:8
   赵治栋  唐向宏  赵知劲  潘敏  陈裕泉《传感技术学报》,2005年第18卷第1期
   心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制.针对此本文提出了基于Hilbert-Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析.通过把心音信号分解为内蕴模式函数,利用Hilbert变换建立了心音信号的时间-频率-能量三维Hilbert谱分布以及边界谱分布;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值.    

4.  基于人工神经网络及心音小波分析的冠心病诊断方法的研究  被引次数:3
   叶学松《浙江大学学报(工学版)》,1999年第33卷第2期
   通过对冠状动脉动力学及湍流诱发声学的理论研究后,首次提出用整周期心音信号小波分析来提取冠状动脉疾病(CAD)心音特征的方法,诊断系统将CAD病人组及非冠心病对照组提取的心音特征结合人体的个体特征参数输入到神经网络进行学习训练后,最后达到自动诊断冠状动脉疾病,为了检测这种较为微弱的生理信号,本文通过对人体体表声传播模型研究后设计对外界噪声有较强抗干扰能力而又适合于拾取人体体表心音的高灵敏度音腔,实验    

5.  基于心音信号处理的冠心病诊断的研究  被引次数:1
   康锋  叶学松  王平  陈裕泉《浙江大学学报(自然科学版 )》,2004年第38卷第1期
   记录舒张期心音信号,用信号处理方法进行分析识别,实现冠心病的无创诊断.将小波分析(WT)、自回归滑动平均(ARMA)以及独立分量分析(ICA)方法分别应用于冠心病(CAD)心音信号的特征提取,并将提取的特征值输入径向基(RBF)神经网络进行训练和识别.实验结果,CAD病人和非CAD病人的正确检测率分别是:小波分析80%,85%;ARMA 70%,75%;ICA 85%,85%.结果表明,在CAD病人的心音中含有300~800 Hz的高频心音能量.在三种方法中,ICA显示了较好的效果.    

6.  高阶统计量在心音信号检测与分析中的应用  被引次数:1
   沈民奋 孙丽莎《数据采集与处理》,1995年第10卷第A01期
   介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法,首先根据心音信号的特点,讨论了信号检测系统的结构,在信号处理方面,采用现代谱估计方法对心音信号进行谱分析,在此基础上提出应用双谱技术分析心音信号,检测信号的相位耦合信息,进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力,最后,给出心音信号的双谱估计结果,从中可以得到一般功率谱分析无法得到的有关信息,为心音信号的自动分类提供    

7.  基于简单度和能量的心音分段算法研究  
   罗保钦  陈远贵  曾庆宁《计算机仿真》,2011年第28卷第1期
   研究诊断心血管病,结合形象化,利用图像检测,提高诊断水平.心音分段是心音图分析的一个重要环节.分段效果将直接影响心脏疾病的诊断水平.为了提高心音的分段正确率,根据动力学复杂性原理,提出一种简单度和归一化平均香农能的心音分段算法.对于复杂多样的心音信号,算法不仅分段正确率高,而且还能准确计算出第一心音和第二心音的时限.通过对144例正常心音和异常心音信号进行分段仿真实验,结果表明,算法是一种有效的和鲁棒性强的心音分段技术,为后期心音信号的识别奠定了良好的基础.    

8.  基于人工神经网络及小波分析的心音诊断方法  
   曹莉  赵德安  孙月平  刘建跃《微计算机信息》,2007年第23卷第19期
   由于传统的心音听诊就是凭医生的经验用听觉分析心音信号,不能满足医学上所要求的高精确度性能而且听诊技能要花多年时间才能掌握,针对这些弊端本文提出了一种新的心音诊断方法.它对电子听诊器录制的心音数据,经过去噪预处理后用小波变换进行分析并提取特征值,再将选取的特征值输入到前馈型神经网络进行训练和识别.实验中我们用节点数分别为9,5,5的BP神经网络能成功识别出主动脉关闭不全,主动脉狭窄,二尖瓣关闭不全,二尖瓣狭窄,和正常心音五类心音,能为相应心脏疾病的诊断提供有力的依据,为临床应用提供有效的分析手段.    

9.  HILBERT包络法在心音身份识别中的应用  
   宋明明  成谢锋  王厚大《微型机与应用》,2010年第29卷第2期
   在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音.然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别.    

10.  基于时域边界估计的心音信号分段算法  
   丁剑冰  成谢锋《现代计算机》,2009年第11期
   从心音图中准确提取第一心音和第二心音的时域特性.是一个巨大的挑战.特别是在心脏出现病理的情况下。一个检测心脏疾病的系统.需要对心音信号的心动周期进行适当的边界估计。边界估计算法能够从心音图中给出准确的第一、第二心音的边界。提出一种新颖的边界估计算法,采用生物域特征.大大减少计算的时间和复杂度.而且更加准确。在此算法基础上,对50例心音样本进行分段识别。准确率达到96.30%.为下一步心音分析与诊断奠定基础.    

11.  基于混沌理论的心音信号非线性动力学分析  
   丁晓蓉  郭兴明  钟丽莎《振动与冲击》,2012年第31卷第15期
   摘要:为了从非线性动力学的角度对心音进行分析,提出了一种基于混沌理论的心音信号的分析方法。首先,计算心音信号的关联维数及最大Lyapunov指数,获取了心音信号递归图和递归定量分析参数;然后,通过13例健康人和13例二尖瓣狭窄病人的心音对其进行分析验证。结果表明:正常及二尖瓣狭窄心音信号的混沌特征具有显著性差异,该方法为实现二尖瓣狭窄的早期辅助诊断提供了依据。    

12.  基于小波变换的心音信号检测与噪声消除方法  
   陈天华  韩力群  郑彧  唐海滔《计量学报》,2009年第30卷第3期
   利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号显现在小波分解的不同尺度上,在进行信号重构时,通过选择重构系数消除信号中的各种干扰分量,保留心音信号中的有效心音成分获得准确的心音信号,为心音信号的进一步分析、处理和心血管疾病的无创诊断奠定基础.    

13.  基于小波分析和概率神经网络的心音诊断研究  被引次数:2
   全雪峰  黄文海《工业控制计算机》,2010年第23卷第8期
   心音对大多数心血管疾病具有极高的临床诊断价值,对心音信号进行分析有助于临床上对心脏疾病的诊断。为了利用计算机智能分析心音信号,提出利用多尺度小波分解消除信号中的噪声,从各频带提取特征值,用概率神经网络(PNN)来进行心音信号的自动分析诊断。用Matlab仿真的方法测试了5种不同类型心音信号的分类情况,结果表明该方法可行。    

14.  基于S变换的心音信号特征提取  被引次数:2
   李战明  韩阳  韦哲  周强《振动与冲击》,2012年第31卷第21期
   为了准确获得心音信号生理、病理信息,在对比研究各种时频分析方法的基础上,采用具有良好时频分辨率的S变换提取心音信号特征,实现心脏病辅助诊断。首先对心音信号进行包络提取、第一心音定位及心音分段,然后对一个周期信号进行S变换,最后提取变换后矩阵的统计学特征,并将该特征作为区别不同心音信号的特征向量。通过相关评价可知该方法可以有效识别不同心音信号。    

15.  基于小波变换的心音信号分析研究  被引次数:3
   刘毅  张彩明  邵庆余  朱兴雷  李桥  赵玲《计算机应用研究》,2004年第21卷第5期
   通过自行研制的硬件系统,在心前区采集心音数据,并采集一导心电信号来定位心音。用小波变换时频分析方法,对各年龄段正常人和冠心病老年人的低频心音段的第三(S3)、第四(S4)心音进行了分析研究,得出了所有正常人均有S3,S4,并且正常老年人与老年一般冠心病患者S3的频谱主峰频率存在明显差异(P=0.0164)的结论,表明S3的检测有重要的临床诊断意义。    

16.  基于样本熵快速算法的心音信号动力学分析  被引次数:1
   王新沛  杨静  李远洋  刘常春  李丽萍《振动与冲击》,2010年第29卷第11期
   为了准确刻画冠状动脉狭窄引起的血流动力学状态改变,提出了一种基于样本熵快速算法的舒张期心音分析方法.首先利用小波变换去除心音中的呼吸干扰,然后采用改进的香农能量算法自动分割出舒张期段,最后对分割出的舒张期心音用快速算法估计样本熵.对25例健康人和25例冠心病人的分析结果显示,冠心病人和健康人在舒张期心音的样本熵值上具有显著性差异.利用该方法检测冠状动脉狭窄,敏感性为80%,特异性为84%.    

17.  人工神经网络在冠心病中的仿真研究  
   姜燕  李亢《计算机仿真》,2011年第28卷第6期
   研究优化冠心病无伤害准确诊断,冠状动脉造影和心电图是冠心病诊断的主要方法,但冠状动脉造影诊断是一种创伤性介入疗法,会对患者身体造成-定的损伤,心电图方法存在着较大的误诊率.根据冠心病与-些常规的指标有-定的联系,提出BP神经网络的冠心病诊断模型,实现冠心病的无损伤性诊断.首先对各诊断指标进行量化,然后构建BP神经网络诊断模型,利用样本数据集进行训练,获得最优的冠心病诊断模型,最后利用测试集对模型进行验证.仿真结果表明,利用BP神经网络进行冠心病诊断,诊断的准确率高,达到了冠状动脉造影的诊断效果,克服了传统的诊断方式对身体造成损伤或误诊率高的缺限,是一种高效的冠心病辅助诊断方法.    

18.  心音信号特征提取小波包算法研究  被引次数:7
   张国华  袁中凡  李彬彬《振动与冲击》,2008年第27卷第7期
   为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法.基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数.根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量.采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号.    

19.  基于心音小波分析的冠状动脉疾病无损检测的研究  
   叶学松 陈君柱《浙江大学学报(自然科学版 )》,1999年第33卷第1期
   通过对人体胸部体表声场和冠脉血流动力学等方面的理论研究。首次提出用多通道整周期心音信号小波分析来检测冠状动脉疾病,在传统器设计及信号检测过程中,系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测,经高频提取后的模拟信号通过计算机进行数据采集。在信号分析方面,发发展了一种适合于心音信号分析的小波变换方法对心音在时域和频提取后的上展开了局部分分析。通过比较正常人及冠心病患者的分析结    

20.  冠心病智能诊断算法仿真研究  
   陈刚  刘秉权  葛金虎《计算机仿真》,2012年第29卷第12期
   研究冠心病诊断问题,冠心病影响指标多,指标体系中存在大量的重复信息,传统方法无法消除重复信息,冠心病诊断准确率低,误诊率高.为了提高冠心病诊断准确率,提出一种智能的冠心病诊断算法.首先科学、准确地选择冠心病指标体系,然后采用主成分分析对指标体系进行筛选,消除重复信息,最后采用支持向量机对冠心病建立分类器,实现冠心病智能诊断.仿真结果表明,相对于其它传统冠心病诊断方法,智能诊断算法有效提高了冠心病诊断准确率,克服了传统诊断缺限,为冠心病临床诊断提供了依据.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号