基于SoC FPGA的心电信号检测系统设计

设计实现了一种基于片上系统现场可编程门阵列( SoC FPGA)的心电信号( ECG)检测系统.系统通过具有高输入阻抗、高共模抑制比和低噪声的前置采集放大电路,实现心电信号的拾取和预处理.通过基于SoC FPGA的硬件平台和移植的嵌入式Linux开发环境的软硬协同设计方式,完成了心电信号的A/D转换、VGA显示、Micro SD卡数据存储和心电信号算法处理,能够对心电信号进行小波分析和QRS波检测,实现了对心电信号的采集、显示、存储和处理.     

基于小波变换和SVD的心电身份识别

基于心电信号的身份识别技术是生物身份识别领域研究的热点问题.该文利用小波变换将经过预处理之后的心电信号进行多尺度分解,组成一个初始特征矩阵;随后对该矩阵进行奇异值分解,分解后的奇异值包含了心电信号的重要信息,将其作为特征参数并最终采用支持向量机对心电信号进行匹配识别.通过对26个正常测试者的心电信号进行识别,识别率可达97.80％.     

基于ARM Cortex-M3的动态心电图机设计

针对目前动态心电图机产品种类和功能单一的现状,研制了基于ARM（Advanced RISC Machines）Cor-tex-M3的新型动态心电图机。硬件主要由处理器最小系统、生物电放大模块、存储模块、LCD（Liquid Cgstal Display）和触摸屏模块、高速USB接口和电源模块构成。软件开发基于CooCox CoOS嵌入式实时操作系统,同时使用了文件系统和USB等中间件。移植uC/GUI实现人机接口设计。测试结果表明,该系统不但实现了心电信号采集、大容量数据存储和高速上传的功能,而且创新性地增加了图形用户界面和实时波形显示功能。     

基于希尔伯特变换和自适应阈值的R波检测算法

提出一种基于希尔伯特变换和自适应双阈值的R波检测算法。首先对预处理后的信号进行幅度归一化和希尔伯特包络分析;然后采用自适应双阈值法检测R波;最后,根据增强后的信号定位检测到R波的位置。使用4个具有不同频率和信噪比的数据库（MIT-BIH心率失常数据库、QT数据库、NST噪声数据库、European ST-T数据库）和临床采集心电数据对所提算法进行性能评估,结果表明,各种不规律和含有严重噪声干扰的心电信号中R波的位置依然能被所提算法准确检测出。在MIT-BIH心律失常数据库中,总体数据检测的敏感性、阳性检测度和准确率分别达到了99.36%、99.77%和99.13%,每条记录平均消耗时间比传统的Pan and Tompkins算法大大缩短。实验结果表明该算法具有良好的鲁棒性和实时性。     

基于生成对抗网络的PPG-ECG信号转换方法

心电（Electrocardiogram, ECG）信号的长期检测与评估对心血管疾病的诊断和预防至关重要。心电信号的检测通常需要在患者身上安装电极,易使受试者产生不适感,适用范围有限。相对而言,使用光电容积描记法（Photoplethysmography, PPG）检测得到的脉搏波（Pulse wave）信号不仅包含丰富的心血管生理和病理信息,而且易于测量。考虑到PPG与ECG信号间存在固有的映射关系,本文基于生成对抗网络（Generative adversarial network, GAN）提出了一种将PPG转换为ECG信号的模型。该模型生成器由Unet模型组成,并且在特征图融合方面参考了Unet++的结构,而其判别器由卷积神经网络组成。在训练过程中,采用梯度惩罚方式增加了生成模型的稳定性。基于公用数据集进行了实验,通过对比53名受试者样本的处理结果,新模型所生成ECG信号的均方根误差（Root mean square error, RMSE）、Pearson相关系数（ρ）和Fréchet距离（Fréchet distance, FD）三个指标分别提升了3.4%、5.5%和0.4%,证明新模型具有更好的PPG-ECG转换效果。     

基于改进FastICA的胎儿心电提取算法研究

针对FastICA算法容易陷入局部最优,导致提取的胎儿心电往往含有较多噪声的问题.本文将修正BFGS法(MB?FGS)和混沌优化算法相结合来代替传统的牛顿迭代法,提出一种新的独立分量分析方法,并用于胎儿心电信号的提取.分别用合成信号和临床信号对该算法进行验证,实验结果表明本文提出的算法能提取出清晰并不含母体心电的胎儿心电信号,而且算法性能更优于FastICA.     

改进的基于小波变换的QRS波检测算法

为提高心电信号QRS波的检测精度,分析了小波变换对信号奇异点检测原理,提出了改进的基于小波变换的QRS波检测方法。该方法通过考察小波分解系数进行R峰位置区间定位,尺波漏检回溯及正向、倒置R波判断的QRS波检测方法;并提出了一种新的跟随阈值。该算法在Matlab仿真环境中,经过对MIT—BIH数据库中典型14条ECG（Electrocardiogram）信号进行QRS波检测实验。数据表明,该算法对正常心电和非正常心电的检出率达到99．98％,具有较高的实用价值。     

An efficient semi-blind source extraction algorithm and its applications to biomedical signal extraction

In many applications, such as biomedical engineering, it is often required to extract a desired signal instead of all source signals. This can be achieved by blind source extraction (BSE) or semi-blind source extraction, which is a powerful technique emerging from the neural network field. In this paper, we propose an efficient semi-blind source extraction algorithm to extract a desired source signal as its first output signal by using a priori information about its kurtosis range. The algorithm is robust t...     

噪声背景下的胎儿心电提取

在实际应用中,考虑有噪声影响的胎儿心电提取算法具有现实意义,因此本文提出了噪声背景下的基于归一化均方预测误差的新的胎儿心电提取算法.该算法在目标函数中去除了噪声的干扰.理论分析和仿真实验表明了该算法的有效性.与不考虑噪声的胎儿心电提取算法相比,该算法具有更好的提取性能.     

A novel Bayesian deep learning methodology for enhanced foetal cardiac signal mining

Cardiac defects are amongst the most common birth defects. Cardiac diagnosis is indispensably imperative in the foetal stage as it might help provide an opportunity to plan and manage the baby during Antepartum and Intrapartum stages, when the baby is born. It is from the Antepartum stage where the foetal electrocardiogram (fECG) signal can actually be detected. At present, monitoring the foetus is completely focused on the heart rate. Currently fECG analysis is used in the clinical domain to analyse heart rate and the allied variations. Analysis using the morphology of the fECG is generally not undertaken for cardiac-anomaly populations. The ultimate reason for this scenario is due to unavailability in technology to yield trustworthy fECG measurements with desired quality required by Physicians. A novel hybrid methodology called BDL (Bayesian Deep Learning) methodology is proposed. The BDL includes a Bayesian filter and a deep learning (DL) Artificial Intelligent neural network for maternal electrocardiogram (mECG) elimination and non-linear artefacts removal to yield high quality non-invasive fECG signal. The outcomes of the research by the proposed BDL system proved valuable and provided high quality fECG signal for efficient foetal diagnosis.