基于稀疏编码的手指心电信号身份识别算法

研究了心电(ECG)信号在身份识别中的应用,提出了基于过完备字典下稀疏编码的手指心电身份识别认证算法.在预处理阶段,对ECG信号进行预处理消噪,去除心电信号里的噪声、基线漂移和心率变异的干扰.在特征提取阶段,提取单周期心电信号构成特征向量并构建字典模型,用核奇异值分解(KSVD)训练成冗余字典,然后对每一部分特征向量进行稀疏编码,实现在该字典上的稀疏表示.在分类识别阶段,利用得到的稀疏系数矩阵构建特征模板向量作为特征参数.通过欧氏距离匹配输出个体身份信息,实现个体身份识别认证.通过两个手指心电信号数据库对该算法进行了性能测试,获得了较高的识别率.     

基于形态学和小波变换的心电信号去噪算法

在处理心电信号采集过程中混入的基线漂移、工频干扰及肌电干扰等噪声的过程中,小波变换取得了广泛的应用。针对小波算法的缺陷及不足,提出了一种基于数学形态学和小波阈值的混合算法。该算法利用非线性形态学滤波器滤除基线漂移,将获得的含高频噪声心电信号通过小波阈值算法进行处理,最后获得无噪声的ECG（心电）信号。采用MIT/BIH Arrhythmia Database中的数据对算法进行了验证,实现了三种主要干扰的滤除,本算法效果良好,为后续特征点的识别奠定了基础。     

基于FFT-Matching Pursuit的心电身份识别算法研究

本文研究了心电信号在身份识别中的应用,提出了基于快速傅里叶变换的匹配追踪心电特征提取算法。在预处理阶段,对心电信号进行消噪、标准化和质量检测等预处理,有效去除了心电信号中的噪声和心率变异所带来的干扰。特征提取阶段,对心电模板进行基于快速傅里叶变换的匹配追踪稀疏分解,原子的时频参数和投影值作为特征参数,然后构建支持向量机分类器,实现了身份识别。最后利用MIT-BIH的ST Change、PTB、QT等数据库测试了算法性能,获得了较高的识别率。     

融合加速度信息的动态心电EMD滤波算法

在远程医疗和家庭健康诊断中,医护手环在进行心电信号采集时,因被测试者呼吸和抖动的影响,心电信号中会夹杂运动伪迹噪声。为了有效滤除心电信号中的运动伪迹,将加速度信息加入到EMD心电滤波算法当中,通过对被测者运动状态的判断和分类,选用合适的阈值和滤波算法分解项对心电信号进行处理。通过自制手环进行心电采集,使用该算法进行处理,达到较好的滤波效果。     

基于VMD和小波阈值的ECG肌电干扰去噪处理

针对现有心电信号肌电干扰去噪方法的不足,本文提出利用变分模态分解和小波阈值相结合的方法对心电信号肌电干扰进行去噪处理,该方法通过对含噪心电信号进行变分模态分解,确定信号主导模态分量与噪声主导模态分量,噪声主导模态分量的小波阈值变换和重构无噪心电信号,共四步实现对含有肌电干扰的心电信号的去噪处理。其中,通过分析研究所有模态分量中心频率的分布,确定变分模态分解的层数,多组仿真与真实含噪心电信号的相关实验表明。本文所提出的去噪方法可有效去除心电信号中的肌电干扰,且去噪效果优于小波阈值法、变分模态分解法和经验模式分解法。     

基于小波变换的心电信号降噪处理

实测的心电信号不可避免地存在一些强干扰和噪声,为了实现准确地提取反映心电信号的特征信息,该文应用一维离散小波变换实现了对心电信号的降噪处理。实验研究结果表明,该方法能够有效地去除心电信号中的噪声,从而为心电信号特征信息的提取奠定了理论基础。     

基于改进LS-TWIN-SVM的心律不齐异常辅助诊断

针对社区医疗技术限制问题，结合采集到的患者心电信息，提出了一种改进最小二乘双子支持向量机的信号诊断方法，并在MIT-BIH数据库中对算法性能和自动诊断识别进行仿真实验。结果表明，基于有向无环图的LS-TWIN-SVM分类算法的计算复杂度最低，且其分类及诊断正确率达到99.32%。说明该算法对深入研究生物信号心电信号识别，实现大数据辅助诊断心律不齐异常症状具有实际意义和应用价值。     

基于卷积自编码神经网络的心电信号降噪

心电信号由于在采集过程中会受到外界环境的干扰导致其形态特征被严重淹没,从而对医生的诊断和远程智能分析造成干扰。基于此,提出了一种基于卷积自编码神经网络的心电信号降噪算法。该方法利用自编码器的编码、解码特性,通过卷积的方法构建深层神经网络来学习从含噪心电信号到干净心电信号的端对端映射。卷积层捕获心电信号的细节特征,同时消除噪声;解码部分能够对特征图进行上采样并恢复心电信号细节,从而得到干净的心电信号。实验中采用信噪比和均方根误差为指标,将该方法与小波阈值法、S变换法、BP神经网络法和指导滤波法进行比较。实验结果表明,该降噪方法整体降噪精度更优,同时信号的低频成分也得到了很好的保持。该方法可做到在消除心电信号中复杂噪声的同时完整保留心电信号的形态,为心血管疾病的智能诊断和心电图的特征检测奠定了基础。     

基于非负矩阵分解和支持向量机的心电图分类

提出一种心电信号分类方法,利用非负矩阵分解进行数据降维,运用支持向量机进行心电信号分类,以保留更多的原始数据信息,从而更有效地提取高维心电数据特征,提高分类准确度。通过对MIT-BIH数据库中4类常见心电信号进行分类实验,证明该方法的整体准确率达到99%。     

心电地图仪中工频干扰的一种滤除方法

在心电地图仪中记录到的体表心电信号往往由于电磁的影响而引进工频干扰．基于体表心电信号中工频干扰的特点，作者提出了一种滤除工频干扰的方法，即就单独—胸导联信号通过提高频谱的分辨率来估计工频干扰的频率；基于最小均方误差准则来估计各导联信号中工频干扰的幅度和相位。文中还给出了该算法的流程图和滤波性能分析。模拟结果表明了该算法的有效性。应用该算法对心电地图仪中的工频干扰进行对消，取得了满意的结果。     

An automated data extraction system from 12 lead ECG images

A software based normalized ECG data acquisition system is developed for both normal and abnormal ECG records. This system can transfer wave data recorded on paper to the digital time database. A flatbed scanner is used to form an image database of each 12 lead ECG signal. These TIF formatted gray tone images are then converted into two tone binary images with the help of histogram analysis. Smearing runlength technique is used to remove the vertical and horizontal line segments of graphical papers. Thinning algorithm is applied to each image to obtain the skeleton (1 pixel representation) of each image, which is essential to avoid excess data points in the database. After extracting pixel to pixel co-ordinate information of images of each of the signal of 12 lead ECG records, the data are sorted to regenerate the signal. From standard deviation of the database a graphical analysis is performed to examine the consistency of our database.     

一种基于极值和方向的滤波算法

提出了一种有效的椒盐噪声图像滤波算法。该算法首先对含有噪声的图像取3×3邻域,判断某点是否为邻域极值将全部像素点分为可疑噪声与信号点集合;其次对每一个可疑噪声点在其3×3邻域内构造八个方向的梯度算子模板,通过比较8个方向梯度的大小,进一步确定其是否为噪声点;最后对噪声点进行邻域的中值滤波。实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比。     

一种基于偏导数的滤波算法

提出了一种新的图像噪声消除算法。该方法可以快速有效地去除图像中的脉冲噪声,并保留图像的细节。该算法主要利用像素点的偏导数信息把所有的像素点分为有效的信号点和噪声点,判定的标准为:任意像素点的值如果在其邻域为最大或最小值,则认为该点是噪声点,否则就是有效点。实验结果表明,本算法去除噪声与保留细节的效果好,且运算速度较快。     

基于双稳态随机共振的图像复原技术研究

传统的图像滤波复原技术一般通过滤除噪声来达到恢复图像的目的,但是对于受强噪声干扰的图像,噪声的消除很困难,而随机共振却具有利用噪声增强信号的特点,因此,提出了以非线性双稳态系统作为信号处理器,根据互信息熵调节参数使系统达到非周期随机共振状态,从而对受噪声污染的图像进行复原处理。实验结果表明,相比传统滤波复原方法,该方法的复原结果更加接近于原图,另外对于噪声强度的变化具有较好的鲁棒性。     

带标记矫正的二值图象连通域像素标记算法

分析了连通域像素标记算法以及游程连通性算法的不足 ,提出了一种带标记矫正的二值图象连通域像素标记算法 ,该算法首先采用标记矫正来减少图象扫描次数 ,然后再对标记采用 RL E游程编码来提高合并效率 .这种改进算法对大多数形状目标可以在一次扫描中完成像素的标记 ,从而使像素标记算法得到优化 .此外 ,还指出了改进算法在处理向上分叉图形时所遇到的问题 ,同时给出了解决方法 .实际运行效果较好 ,有一定的使用价值     

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。     

基于噪声检测的遥感图像模糊滤波

提出了一种基于噪声检测的遥感图像模糊滤波方法。该方法首先用一个噪声检测标准将输入图像的像元分为为噪声像元和信号像元,然后,利用模糊数学的相关理论对噪声像元进行处理,并把处理结果赋给输出图像的对应像元;而对于信号像元,则不进行处理,直接把它的值赋给输出图像的对立像元。另外,在图像处理过程中,把输入图像的噪声像元用其处理结果代替,以更好地改善图像滤波处理结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。     

基于统计特征和熵特征融合的心肌梗死辅助诊断方法

针对心肌梗死临床诊断过程中临床实用性和准确率不高的问题,提出一种基于12导联心电图（ECG）的心肌梗死的辅助诊断方法。首先,对12导联ECG信号进行去噪和数据增强处理;其次,分别对各导联ECG信号提取包含标准差、峰度系数、偏度系数的统计特征,以此反映信号的形态特征;同时,提取包含香农熵、样本熵、模糊熵、近似熵和排列熵的熵特征,以此表征ECG信号时间序列的时间与频谱复杂性、新模式产生的概率、规律性和不可预测性以及检测ECG信号的微小变化;然后,融合ECG信号的统计特征和熵特征;最后,基于随机森林算法在病人内和病人间两种模式下对算法进行分析和验证,并通过交叉验证防止过拟合。实验结果表明,病人内模式下算法准确率和F1值分别为99.98%和99.99%,病人间模式下算法准确率和F1值分别为94.56%和97.05%;与基于单导联ECG的诊断方法相比,采用12导联ECG诊断心肌梗死更符合医生临床诊断逻辑。     

A dictionary matrix generation based compression and bitwise embedding mechanisms for ECG signal classification

The Electrocardiogram (ECG) signal processing is one of the exciting research areas in recent days. Ensuring security to the patient’s confidential information is a demanding critical task in many healthcare systems. So, the traditional works developed the security mechanisms for embedding the original ECG signal with the image, audio, or video. But, it does not focus on reducing the size of the original message before transmitting it to others. Also, it has significant limitations of inefficient security, increased complexity, and reduced classification accuracy. To rectify this issue, our research proposed the new embedding mechanism to improve the security of patient’s health information. In this system, the original ECG signals compressed at the initial stage by using the proposed Dictionary Matrix Generation (DMG) algorithm. Then, the compressed signals embedded within the cover image by using the Bitwise Embedding (BE) mechanism. At the receiver side, the bedded goal is de-embedded and decompressed by using the DMG and BE algorithms. The features such as spectral and peak values of the signal are extracted for increasing the efficiency of classification. Classification and detection of abnormality present in ECG signal of patient is the most essential part. To achieve this, we proposed the Modified Dynamic Classification (MDC) algorithm based on the features. In this work, the novelty is implemented in the compression, embedding, and classification stages. The proposed system reduces the data loss during transmission, memory storage and time complexity. The overall process evaluated by using PTB diagnostic ECG database. In experiments, the proposed classification technique provides the accuracy of 98.39% and it proved that the proposed method had highest performances than existing methods such as PNN, SVM and RF classification.

     

基于灰色关联分析和IHS变换的图像融合算法*

针对IHS融合算法的光谱畸变问题,提出一种基于灰色关联分析和IHS变换的图像融合算法.该算法利用灰色关联分析法检测出SAR图像像素中的边缘点和非边缘点;通过IHS变换,在线性加权融合时赋予边缘点较大的权值.实验表明,该算法在保持光谱信息方面具有显著的优越性,并且能够有效提高融合图像的空间分辨能力,具有简洁性和抗噪性,明显优于传统的IHS融合算法和改进的基于直方图匹配的IHS融合算法.