脉搏传播时间变异性谱分析的预处理方法研究

研究了脉搏传播时间(PTT)变异性谱分析的预处理过程,提出了以平均心动频率作为重采样率的均匀重采样方法和基于平均心动频率控制的小波去趋势(WFC,wavelet detrend based on frequency control)方法。试验结果表明:1)采用平均心动频率作为重采样率,可以保证在信号不失真的情况下达到均匀采样的目的;2)相比于平滑先验(SDA,smoothness prior approach)方法和经验模态分解(EMD,empirical mode decomposition)方法,WFC方法得出了较好的去除非平稳趋势效果,同时在处理大数据量序列时有更高的运行效率。     

一种应用于自组织网络的动态节点划分算法(英文)

A dynamic nodes partition algorithm for the Ad Hoc network is proposed. Firstly, Roam cluster method is used to cluster 926 random nodes in a square region. Subsequently, the central moving model based on the simulated annealing algorithm and the least circle overlay model is constructed to remove the network redundancy of the circle number and circle radius respectively. Simulation results show that the algorithm can effectively maintain the stability of network structure and increase balancing capabilitie...     

联合变异性在评价心脏病患者心血管系统功能状态中的应用

针对单一变异性指标不足以全面反映心血管系统功能状态的问题,提出了一种新的指标——联合变异性AV。首先利用样本熵算法计算了3个单一变异性指标:心率变异性HRV、脉搏波传播时间变异性PTTV和电机械延迟变异性EMDV,然后采用层次分析法计算了HRV、PTTV和EMDV在AV中的权系数,并求得AV。定义了组间区分测度GDM,对25例心脏病组和35例健康对照组的试验得出指标HRV、PTTV和EMDV的GDM值均大于1,而指标AV的GDM值小于1,说明AV能够完全区分心脏病组和健康对照组。与单一变异性指标HRV、PTTV和EMDV相比,指标AV能够更全面地反映心血管系统功能状态。     

基于LZ复杂度的脉搏传播时间变异性分析

针对传统脉搏传播时间获取不够准确的缺陷,建立了一种基于信号生理意义的心 桡脉搏传播时间(h-rPTT)获取方法,准确获取到h-rPTT序列.同时对LZ复杂度算法中的二值化方法进行了改进,提出一种基于移动窗口均值的二值化方法.依据LZ复杂度算法中二值化方法的不同,定义了3种复杂度D1、D2、D3,利用D1、D2、D3对30例正常组和高血压组受测者进行了对比分析,结果表明基于移动窗口均值的LZ复杂度D3对正常组和高血压组的区分度最好.     

基于模板匹配和镜像延拓的两阶段经验模态分解算法

针对传统经验模态分解算法存在的端点效应问题,提出了一种适用于脉搏信号分析的基于模板匹配和镜像延拓的两阶段经验模态分解算法。依据脉搏信号的类周期特征,首先识别其特征信息,分离出单一心动周期内的脉搏信号;然后使用信号相干平均技术获取脉搏信号模板,依据模板将首尾端点处的脉搏信号扩展至整个心动周期;最后采用镜像延拓方法对扩展后的脉搏信号进行经验模态分解。实验结果表明,扩展后的脉搏信号能够较好地模拟原信号首尾端点处的变化趋势,因此新算法能够有效抑制传统经验模态方法存在的端点效应问题,适用于诸如脉搏信号等具有类周期特征的生理信号分析。     

互模糊熵中隶属函数的改进和影响分析

为进一步提高互模糊熵(cross fuzzy entropy,X-FuzzyEn)算法的统计性能,引入了调整因子λ,定义了一类新的模糊隶属函数,提出了改进X-FuzzyEn算法。使用耦合噪声模型和耦合MIX(p)模型定量评价了改进算法的统计稳定性和相对一致性;通过实际心衰患者和健康志愿者之间的心动周期和舒张间期耦合分析,对改进算法的有效性进行了验证。结果表明,改进算法的统计性能显著提升,并可以有效区分心衰患者与健康志愿者。     

重采样对脉搏间期序列谱分析的影响

研究了重采样对脉搏间期序列谱分析的影响,提出以平均脉率为重采样率对脉搏间期序列进行重采样,为脉率变异性分析提供理论支持.采用最近邻点插值、分段线性插值、分段三次Hermite插值和三次样条插值4种方法对仿真脉搏间期序列重采样,并对比相应的Welch周期图法和AR(Auto-regressive)自回归模型法的谱分析结果...     

房颤智能检测中的心电特征选择和机器学习

房颤是最常见的心律失常疾病,因其临床诊断率低而促进了实时自动检测算法的发展。但大多算法缺乏模型或数据库间的对比,难以评判模型的优劣。为此考虑选择3种机器学习算法(支持向量机、随机森林、逻辑回归)构建3个独立的房颤检测模型。3种模型分别在MIT-BIH房颤数据库上训练,并在3个独立数据库上进行测试和对比,同时进一步分析特征选择对模型性能的影响。结果表明选择12个特征(3个时域特征和9个非线性特征)时,3种模型在2018年中国生理挑战赛公开数据集和可穿戴式动态心电数据集上的灵敏度、特异度、准确性和F1分数均达到95%以上,且随机森林相较于另两种算法具有更强的稳定性和泛化能力。     

心电模板构造方法及其在心电去噪中的应用

针对强噪声心电去噪,提出了基于心电模板的去噪方法。首先,将小波变换模极大值方法和信号相干平均技术相结合,构造出心电模板信号。然后给出了两种基于心电模板的强噪声心电去噪方法:直接重建法和间接相关法。最后将该方法与基于小波软、硬阈值去噪方法进行了对比,结果显示所得信号波形平滑度更好、信噪比更高。基于心电模板的去噪方法能够有效去除心电强噪声,为心电弱特征信息成分的准确提取奠定了基础。同时研究提供的心电模板构造方法也可用于其他准周期性生理信号,为强噪声生理信号去噪提供了一种有益思路。