基于ARM的心电监护仪的设计与实现

心电监护仪能长时间连续记录心电数据,一直以来是医院病房不可缺少的医疗仪器,如今在家庭中的应用也越来越普及。基于ARM微处理器,设计开发了一种心电监护仪。采用AD8232作为ECG前端采集芯片来获取心电信号,结合放大、滤波电路,将前端信号放大后再进行滤波除噪处理。使用STM32微处理器作为心电信号处理芯片,对心电信号进行模数转换,通过蓝牙模块ATK HC05发送至智能终端,实现在智能终端上的心电图形绘制与实时显示。系统设计中,充分考虑了心电电极的导联脱落检测以及低功耗模式实现,因此实现的心电监护仪具有数据准确,携带便捷等优点,必将在市场上得到广泛使用。     

Automatic detection of respiratory rate from electrocardiogram, respiration induced plethysmography and 3D acceleration signals

Respiratory monitoring is increasingly used in clinical and healthcare practices to diagnose chronic cardio-pulmonary functional diseases during various routine activities.Wearable medical devices have realized the possibilities of ubiquitous respiratory monitoring,however,relatively little attention is paid to accuracy and reliability.In previous study,a wearable respiration biofeedback system was designed.In this work,three kinds of signals were mixed to extract respiratory rate,i.e.,respiration inductive plethysmography （RIP）,3D-acceleration and ECG.In-situ experiments with twelve subjects indicate that the method significantly improves the accuracy and reliability over a dynamic range of respiration rate.It is possible to derive respiration rate from three signals within mean absolute percentage error 4.37％ of a reference gold standard.Similarly studies derive respiratory rate from single-lead ECG within mean absolute percentage error 17％ of a reference gold standard.     

单导程心电图的身份识别

提出新的生物识别方法，以心电图信号来识别人员的身份，心电图被用来诊断心脏某些方面的疾病，其与每个人的心脏位置、大小及胸部构造，年龄、性别、体重、情绪、运动状况等因素有关，因此每个人的心电图不尽相同。所采用的单导程心电图为低频一维信号，易于处理，信号直接可由贴在双手上的电极片测得，其量测电路成本低廉．方法是应用遗传算法与粒子群最佳化来调整动态模型参数，使其合成波形与受测者心电图逼近，再将此组参数输入到神经网络来识别个人身份，实验结果显示对于30个人的识别成功率可达96％以上。     

基于USB接口的虚拟心电监护仪设计

心脏病是严重威胁人类健康和生命的主要疾病之一.心电监测系统能及时获取患者的心电信息,发现心电异常情况,及时采取相应处理措施,是降低心脏病死亡率有效手段之一.而多数心电监护设备都在医院使用,成本高.开发一种低成本心电监测仪器,使一些有心电方面监测需求的人能在家中检测心电情况,将具有巨大的市场需求和重要的研究意义.     

心脏电活动的计算机仿真模型研究：模型的构造与实现原理

心电场仿真是心电理论研究的前沿课题之一。本文讨论首次在IBM—PC微机上实现的一个完整的心电场仿真模型。应用该模型进行的仿真研究表明,它具有仿真速度快、使用方便和易于推广应用的优点。     

基于无线传感网络的手机实时医疗监护系统简

针对通过住院观察病人的心电图来对心血管疾病进行诊断的方法的不足,文中采用无线传感网络作为监控系统的信息采集平台,将其应用于人体健康监控领域,设计并实现了一款基于无线传感网络的手机实时医疗监护系统。系统通过无线传感网络来对患者的心电数据进行集中式管理．并可通过医生工作站来实现对患者的远程病情诊断。与目前现有的远程医疗监护系统相比,基于无线佳感网络的手机实时医疗监护系统具有精确度高、实时性好、能耗低、部署方便、设备廉价等一系列优势。     

基于独立分量分析的胎儿心电信号提取

研究独立分量分析方法在胎儿心电信号(FECG)提取中的应用,视胎儿心电信号与噪声为相互独立的信号源,采用FastICA算法,对来源于同一孕妇的观测信号进行独立分量分离,得到较为理想的FECG,实践证明:采用该方法提取FECG是一种有效的方法.     

小波阈值去噪技术在ECG信号处理中的应用

本文采用小波阈值去噪方法,利用了小波变换多分辨率的特点,它对信号具有自适应性,可以降低消噪算法的复杂程度,又可保证心电信息特征不被丢失。试验表明,该方法能较好地实现心电信号的消噪,同时也适合于信噪比较低的生物信号的处理中。     

心电图压缩算法中的小波基选择

文章研究心电图压缩算法中的小波基选择。算法中采用整-整小波进行小波变换,用小波零树嵌入编码和自适应算术编码对心电图压缩。小波库由9种小波基组成。用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明,在压缩过程中对每段心电图选取最优小波基能显著地降低信号失真度。     

An improved procedure for detection of heart arrhythmias with novel pre‐processing techniques

The objective of this study is to develop an algorithm to detect and classify six types of electrocardiogram (ECG) signal beats including normal beats (N), atrial pre‐mature beats (A), right bundle branch block beats (R), left bundle branch block beats (L), paced beats (P), and pre‐mature ventricular contraction beats (PVC or V) using a neural network classifier. In order to prepare an appropriate input vector for the neural classifier several pre‐processing stages have been applied. Initially, a signal filtering method is used to remove the ECG signal baseline wandering. Continuous wavelet transform is then applied in order to extract features of the ECG signal. Next, principal component analysis is used to reduce the size of the data. A well‐known neural network architecture called the multi‐layered perceptron neural network is then utilized as the final classifier to classify each ECG beat as one of six groups of signals under study. Finally, the MIT‐BIH database is used to evaluate the proposed algorithm, resulting in 99.5% sensitivity, 99.66% positive predictive accuracy and 99.17% total accuracy.