改进的ICA胎儿心电信号提取法

独:立分量分析(ICA)模型中,有关独立性的假设对模型的可识别性至关重要,然而在实际应用中信号源之问往往有某种程度的联系.孕妇腹部信号是由胎儿心电信号(FECG)和母亲心电信号(MECG)线性混合而成的,但是FECG与MECG之间存在一定的相关性,不是完全统计独立的,针对信号源之间弱独立性的这一特点提出了一种新的非入侵式胎儿心电信号提取方法,试验表明该方法比直接用传统的ICA方法提取的胎儿心电信号噪声小、分离效果好.     

心电信号的Lipschitz指数与基于小波变换的去噪算法

心电信号是对人类心脏的生理和病理过程进行无创检测最主要的手段，是近年来信号处理领域的一个研究热点。本文在概述小变换理论的基础上，首先通过实验计算测定了心电信号的Ｌｉｐｓｃｈｉｔｚ指数，然后基于小波变换下奇异信号民随机噪声尺度空间中的不同特性设计了一种去噪算法。     

心电信号的小波阈值去噪算法研究

本文采用基于小波变换的阈值去噪方法对心电信号进行了去噪处理.给出了基小波、分解尺度、阈值的具体选择方法,在比较采用不同的基小波进行阈值处理方法的基础上.给出了采用coif4小波进行局部自适应软阈值处理的改进算法.实验结果表明,采用该算法降噪后信号的信噪比为34.019dB,将原含噪信号的信噪比提高21.879dB,去噪效果较好.     

基于MICA技术的胎儿心电信号提取的应用研究

多维独立分析（Multidimensional Independent Component Analysis,MICA）方法适用于实现多分量信号分析和分量提取,可实际应用于对胎儿心电信号的提取。为了说明MICA算法分离结果的可靠性,利用动态心电合成模型生成仿真的心电信号数据进行了验证,用vkMICA、cfMICA、SJADE、MSOBI四种MICA算法对实际采集到孕妇心电数据集进行了处理。实验结果显示,四种MICA算法可提取出较纯净的胎儿心电信号,并能较好地反映出胎儿心电信号的实际特征。     

使用时频盲源分离和小波包去噪的胎儿心电信号提取

提出一种使用时频盲源分离(TFBSS)和小波包去噪的胎儿心电信号提取新方法。首先通过重排时频谱时频盲源分离方法进行胎儿心电信号的初次提取,并将初次提取得到的母体心电信号和噪声对应的各路分量置零,其余分量由混合矩阵进行重构;然后再利用重排时频谱的时频盲源分离方法对重构信号进行胎儿心电信号的二次提取,得到含噪声的胎儿心电信号;最后通过小波包去噪抑制胎儿心电信号中的基线漂移和噪声。在胎儿心电信号和母体心电信号的QRS波无重叠、部分重叠或完全重叠的情况下,通过该方法能有效抑制母体心电信号和噪声的干扰,提取胎儿心电信号。实验结果表明该方法能提取清晰的胎儿心电信号。     

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.     

心电信号的小波变换识别方法

本文把小波变换应用于心电信号的识别。探讨了伸缩尺度和伪频率(译自pseudo-frequency)之间的关系;利用二进双正交样条小波对室扑信号按Mallat算法进行小波分解;提出了心室扑动和心室颤动信号的小波变换识别方法。     

胎儿心电信号的提取及远程监护系统的应用与发展

对胎儿心电信号的提取监测以及远程监测,是目前进行胎儿监护的主要发展方向。本文通过对胎儿心电图的提取方法以及相关的远程监护系统进行详细的分析和研究,对其应用和发展提出几点合理的建议。     

心电信号的aTrous小波变换综合检测方法

心电信号反映了心脏有节律的活动。R波、P波和T波是去、复极时产生的突变信号,是典型的峰值奇异信号。信号的突变点检测是小波变换应用的一个重要方面。确定QRS波群的具体形态和起止点,检测P波、T波特征点是心电图分析的难点。研究了信号的二进样条小波按aTrous（多孔）算法进行的变换,构建了系列检测方法,来检测和识别QRS波群、P波、T波的具体的形态和位置。实验结果表明,所提出的综合算法具有较好的适应性,能很好地抑制基线漂移,消除高频干扰,克服了大T波、大S波、高U波波形自身病态因素对综合检测产生的影响。     

结合ICA和PCA方法的胎儿心电提取

在生物医学信号处理领域,独立分量分析（PCA）和主分量分析（ICA）是两种广泛应用的方法。但是,这两种方法各有其优缺点。提出了一种新颖的方法,将ICA和PCA相结合,通过求相关的技术,分别取ICA和PCA方法的优点。将该方法应用于从母体腹部测得的多通道信号中提取胎儿心电信号的实验,得到令人满意的结果。研究结果表明,这种结合ICA和PCA的方法能够比较准确地分离出所需要的胎儿心电信号,进而可以对胎儿心电进行监护,因此在临床上具有一定的实用价值。     

结合ICA和PCA方法的胎儿心电提取

在生物医学信号处理领域,独立分量分析(PCA)和主分量分析(ICA)是两种广泛应用的方法。但是,这两种方法各有其优缺点。提出了一种新颖的方法,将ICA和PCA相结合,通过求相关的技术,分别取ICA和PCA方法的优点。将该方法应用于从母体腹部测得的多通道信号中提取胎儿心电信号的实验,得到令人满意的结果。研究结果表明,这种结合ICA和PCA的方法能够比较准确地分离出所需要的胎儿心电信号,进而可以对胎儿心电进行监护,因此在临床上具有一定的实用价值。     

基于ICA的胎儿心电提取系统

设计并实现了一种基于母体腹部表皮电极的胎儿心电提取系统。系统由硬件采集电路和分析软件两部分组成。硬件模块包含8路心电放大器（可扩展）、模拟滤波器和A／D转换电路;软件模块包含多通道数据采集和存储控制、数字滤波、ICA提取算法以及输入、输出波形的实时显示和回放等子模块。通过临床数据和实测仿真数据验证,本系统能有效地从母体心电中分离出胎儿心电,相应的软、硬件模块也均能够满足设计要求。实验表明,设计的胎儿心电系统具有较高的临床价值,同时也进一步验证了ICA算法应用于胎儿心电获取的可行性。最后,说明了本系统与相关系统对比具有的优势,并且提出了系统的优化方向和应用前景。     

A Windows Application for Real-Time Fetal ECG Analysis

Analysis of the fetal electrocardiogram (FECG) from abdominal recordings may be used as a noninvasive technique to assess fetal well being. Consequently, interest has arisen in the development of a real-time fetal ECG monitoring system. In this paper, we present a Windows user interface developed for our antenatal FECG analysis system. The program (FECGV1), written in C++, consists of three principal modules: System Setup, Real-Time FECG Analysis, and Result Review. By adopting the Windows' graphical user interface and object-oriented programming methodology, the system software accomplished the goals of visualization, easy use, extensibility, and user adaptability. Preliminary clinical application has shown that this approach provides a strong basis for a solution to real-time antenatal FECG analysis.     

信息抽取研究综述

信息抽取的任务是从大量数据中准确、快速地获取目标信息,提高信息的利用率。目前,信息抽取已经成为NLP领域的一个重要分支。随着互联网应用的发展,其价值也正日益显现,学术界和工业界对此都寄予厚望。首先回顾了信息抽取的发展历程;接着从命名实体识别、指代消解、关系抽取和事件抽取4个方面总结了信息抽取关键技术的研究进展;然后分析了信息抽取目前面临的若干主要问题;最后对信息抽取的研究趋势作了预测。     

基于R峰配准重构的弱胎心电盲分离方法

利用盲分离技术从母亲腹心电中分离出胎心电在胎心电幅度较强的情况下是可行的,但如果胎心电过弱,盲分离中容易将胎心电视作噪声而无法正确分离.在胎心电过弱时,先对腹心电进行形态学滤波后检测胎心电的R峰,然后在配准胎儿R峰的前提下,平移、叠加并重构信号,最后对重构信号应用盲分离方法分离出较好的胎心电信号.实验证明,当胎心电微弱,直接盲分离容易将胎心电作为噪声而无法得到有效胎心电时,R峰配准重构可以有效地增强胎心电的信号强度,对重构后的信号进行盲分离可得到有效的胎心电,进而得到较精确的胎心率.     

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.     

心电ST-T段的截取算法与系统实现

心电图是心肌缺血、心肌梗塞等心血管疾病的首要检查项目之一,其ST-T段反映了心室复极的过程。利用小波变换的多分辨率分析对原始心电信号进行基线漂移校正和滤波,再结合凸点算子和动态搜索窗方法,对ST-T段定位。通过European ST-T数据库中的所有数据验证,该算法的平均识别率在93%以上。对于所有较为规律的心电信号,其识别率均高于90%。该方法避免了T波峰值定位难这一问题,有效地解决R波倒置、T波倒置和T波高尖等的定位。该算法计算的复杂度较低,能很好地嵌入到实际工程应用中。     

深度稀疏自编码器在ECG特征提取中的应用

针对心电（ECG）信号智能分析模型中,复杂波形的特征提取困难,人工设计特征造成源信号特征丢失,标签样本不足等问题,提出了一种基于深度稀疏自编码器（Deep Sparse Auto-Encoders,DSAEs）的ECG特征提取方法。该方法在DSAEs进行贪婪逐层训练时,采用适应性矩阵估计（Adaptive moment estimation,Adam）对网络权重进行寻优,以此获得最优参数组合,同时提取出高层隐含层的输出,并作为ECG高度抽象的低维特征。最后利用支持向量机（Support Vector Machines,SVM）构建分类模型,完成对ECG的特征分类。使用MIT-BIH心律失常数据库的ECG数据进行仿真实验,结果表明,提出的ECG特征提取方法能有效地分层抽取特征,提高分类识别准确率。