基于电容耦合的多导联心电监测系统研究

传统的非接触式心电监测系统在硬质印刷电路板构建的电容电极基础上,使用单导联方式进行心电监测,且仅根据心率变化进行心脏异常诊断,无法满足当前临床诊断标准.基于电容耦合原理,设计了一款多导联心电监测系统,将3个由导电织布构成的柔性电容电极集成于椅座背部,用于获取标准肢体导联Ⅰ、Ⅱ、Ⅲ和加压单极肢体导联 aVR、aVL、aVF等6导联心电信号.借由导电织布式柔性电容电极与人体表面较好的接触效应,可以有效减小运动伪影的产生.通过与硬质PCB电极输出的心电波形相比,使用本系统的患者在移动情况下输出的心电波形保持相对平稳状态,无明显运动伪影.系统实验证实了此新型多导联心电监测仪的有效性,不仅可以满足个人日常心电监测使用,而且适于长期动态心电监测.     

基于DSP的EASI十二导联多功能Holter系统

一种以数字信号处理器(DSP)为核心,具有实时检测、无线传输和24小时心电数据连续记录功能的多功能Holter系统。在该系统中,通过EASI导联系统模块采集心电信号,然后采用小波变换算法对心电信号进行实时特征提取,并将心电数据存入MicroSD卡实现24小时心电数据记录;或者通过Zigbee无线传输模块将心电数据传输到电脑进行远程实时监测及十二导联心电数据的推导。     

基于窗口斜率表示法的心电波形相似性分析

针对心电波形形态相似度高和分类困难的问题,提出一种新的心电波形特征表示方法——窗口斜率法。该方法对心电波形在平面内进行窗口划分,以每个窗口内最大最小幅值差与窗口宽度的比值作为心电波形的特征信息,进行相似性分析。实验结果表明,在基于距离的分类方法中,这种特征表示方法在降低维度同时,能够减小同类波形之间的差距,扩大不同类波形之间的差距。将此方法用于心电波形的分类,可以提高分类的准确性和效率,以及分类灵敏度和特异度的稳定性。     

小波包分析和形态学滤波相结合的心电图QRS波群定位

心电图波形特征提取是针对-维心电信号的弱信号特征提取.如何排除各种干扰,提取出心电波形特征,并准确定位心电信号中P波、QRS波群、T波,一直是心脏病智能诊断的难点和热点问题,其中QRS波群的定位又是其它波定位的重要依据.利用形态学和小波包理论相结合的方法对这一问题进行了探讨,提出了QRS波群定位和滤除基线漂移的方法.实验证明提出的方法速度较快,能较准确的定位QRS波群、有效的去除基线漂移.     

用于心电波形分析的相似性度量策略

为表现2个形态相似的心电波形在临界点上的差别程度,根据心电波形的自身特点,提出一种基于Hausdorff距离的分段加权策略.设计心电波形的分类算法,利用包容度描述不同度量方法在相似波形临界点的状况.实验数据显示,该策略的平均分类敏感度大于90%.结果表明,与其他度量方法相比,该策略的分类准确率高、包容度强.     

动态心电波形数据的聚类有效性评价方法研究

研究了动态心电信号的波形形态特点,提出了改进的基于品质因子（Figure Of Merit,FOM）的聚类有效性评价策略——HW-FOM（Hausdorff Weighted-Figure Of Merit）。该策略将完整的心电波形分段,并赋予不同的权重。分别计算任意两个心电波形间的对应段的Hausdorff 距离,用以拟合心电波形的形态。通过汇总计算结果描述心电波形间的差异,评价动态心电波形聚类结果的有效性。通过利用MIT-BIH心律失常数据进行实验,结果表明HW-FOM方法的评价结果与实际的数据分类状况呈线性相关,适于动态心电波形的聚类有效性结果的评价。     

基于STM32的便携式家用心电检测仪的设计

设计了一种基于STM32的便携式家用心电检测仪。心电电极采集体表单导联心电信号,经预处理电路对心电信号进行放大、滤波和电平抬升后,送至STM32中进行模/数转换和数字处理,在液晶屏上实时显示心电波形、心率和分析结果。实验表明,该心电仪能有效提取心电信号的特征点,准确测得心率,分析出4种常见心率失常症状,并可测得HRV的时域参数。     

基于多尺度特征提取的多导联心跳信号分类

心电图(ECG)是临床上诊断心脏疾病的重要依据,从中提取关键、有效的特征是自动诊断系统 的关键。而现今多数研究仅使用单导联或双导联数据,提取的特征不够全面,无法很好地区分不同心跳中的细 微差别。为了获得更加全面的特征和更优异的分类表现,本文提出了基于多尺度特征提取的多导联心跳信号分 类方法(MSNet)。首先,该方法接收多导联心跳信号堆叠矩阵作为输入;然后,利用 3 种不同尺度的一维卷积 分别提取特征;最后将不同尺度的特征融合并进行所属类别的分类。本文在 MIT-BIH Arrhythmia Database, MIT-BIHSupraventricular Arrhythmia Database和St Petersburg INCART 12-lead Arrhythmia Database 3个心电公开 数据集上进行了充分的实验,在五折交叉验证的策略下,对于“正常-异常”分类,该方法的准确率、召回率、 精确率、F1 值均达到了 99%以上;对于多类别分类,其平均准确率、平均召回率、平均精确率、平均 F1 值能 达到 99.5%左右。与现今优异的其他方法相比,该方法有着更好的表现。     

基于FPGA任意频率波形发生器设计

文章主要在PC104总线控制下利用波形储存器SRAM和数模转换器实现任意波形进行了研究;详细分析了如何实现任意频率、幅度相位的波形设计;FPGA主要用于硬件逻辑信号实现;为了平滑DAC阶梯误差,后置截止频率可动态控制滤波器对输出波形进行平滑滤波;该方法设计的波形发生器小巧灵活,实际应用中控制简单,产生波形精度高.     

基于ERS/ERD的二级共空间模式的运动想象脑电信号特征提取

针对多类运动想象EEG信号在脑-机接口方面存在分类识别率低和被试者差异性的问题,提出了一种基于ERS/ERD现象的二级共空间模式特征提取的方法。首先对全部导联进行特定频段的小波包降噪和分解;其次对分解系数重构后的信号以手(左、右)和脚(脚、舌)这二类进行一级共空间模式获取空间滤波器并对其采用2-范数筛选准则,提取权重系数较大的N个导联;然后以优化导联的投影矩阵对手与脚进行空间滤波后的信号分别作为原始信号进行二级空间模式特征提取;最后采用支持向量机进行分类。采用BCI2005Ⅲa中三位被试者的数据进行仿真验证,得到分类正确率最高达到92.55%。结果表明,该方法对EEG信号的特征提取具有较好的效果。     

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。     

基于Zigbee的人体心电信号无线监测系统的设计

提出了一种基于Zigbee技术的人体心电信号无线监测系统设计方案;采用Zigbee技术和STM32W108ARM芯片设计了系统采集节点和汇聚节点的硬件电路,采用C语言编写了其软件,实现人体心电信号的采集和无线传输;利用Labview软件设计人体心电监测界面,实现了利用PC机对采集到的心电信号进行实时监测;实验表明,该监测系统通信质量良好,能够实现心电信号的采集、波形显示,以及心率值和心电频谱的分析,在家庭医疗领域具有较高的应用价值。     

基于DSP数字心电图机的设计

介绍12导联数字心电图机研制开发,采用双CPU架构,包括数字信号处理TMS320F206和微控制器AT89C55.该仪器利用数字信号处理器TMS320F206PZ实现实时对心电信号进行滤波和心电参数计算;热敏打印心电图形和检测结果;存储病人的心电数据,心电图形的回放打印,与PC机进行数据通主,建立病人的心电数据库,进一步研究分析.     

多类运动想象脑电信号特征提取与分类

针对多类运动想象情况下存在的脑电信号识别正确率比较低的问题,提出了一种基于小波包特定频段的小波包方差,小波包熵和共同空间模式相结合的脑电信号特征提取的方法,并将特征向量输入到支持向量机中达到分类的目的;首先选择重要导联的脑电信号,进行特定频段的小波包去噪和分解;其次对通道优化的重要导联的每个通道信号计算小波包方差和小波包熵值作为特征向量;然后对所有重要导联的分解系数重构并进行共同空间模式特征提取;最后结合2种不同导联方式所获取的特征向量作为分类器的输入进行分类;采用BCI2005desc_IIIa中l1b数据进行验证,该算法的分类正确率最高达到88.75%,相对2种单一的提取方法分别提高28.27%和6.55%;结果表明该算法能够有效提取特征向量,进而改善多类识别正确率较低的问题。     

基于隐马尔可夫模型的躯感网心电图信号特征提取方法

为了解决躯感网的心电信号特征提取问题,结合心电图信号波形的特征区间,建立了面向心电图信号特征提取的离散隐马尔可夫模型;并面向该模型定制了专家标注选取、导联选取、观察数据归一化、三元组初始值选取以及训练数据量选取等方法.最后,采用Baum-Welch算法训练HMM模型的参数,并利用Viterbi算法提取心电图的信号特征.仿真结果表明,基于 HMM的心电图信号特征提取算法的复杂度较低、精确度较高、实时性较好,适合在线处理非线性、动态变化的心电图信号,能够满足基于躯感网的心电图信号特征提取的性能要求.     

基于ZigBee技术的无导联线动态心电监测仪设计

针对目前有导联线动态心电监测装置存在束缚感较强、导联线牵拉影响采集的心电信号质量等问题,设计了一种基于Zig Bee技术的无导联线动态心电监测仪。该系统由心电信号采集与预处理、无线传输和上位机显示等模块组成。采集的心电信号经预处理后进行数字化,并通过Zig Bee节点进行接收和发送,数据由串口传输至上位机实现心电信号的实时显示,提供初步诊断结果。测试结果表明,该仪器在有噪声干扰的环境中能提取出心电信号,与Holter仪器的相对误差不大于5%,实现了无导联线的动态心电监测。     

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。     

计算机辅助运动心电测试系统

采用计算机来实现可控的运动状态下的多导联心电测试系统的设计方案；并重点讨论了该系统研究过程中的几个关键问题。     

可佩戴式远程心电采集终端的设计与实现

心电数据是诊断人体心脏状态的重要指标,在互联网大数据时代,远程医疗已成为一种趋势。为解决传统心电采集移动性和远程传输问题,而研制出一款可佩戴式远程心电采集终端。它由心电采集模块ADS1198、中央处理模块STM32、显示OLED液晶模块、USB模块、4G模块构成。能实时采集人体心电信号,并进行滤波处理,再通过OLED液晶模块大致显示心电波形。该设备具有通过USB模块传输数据至电脑实行近程心电数据管理或4G模块传输数据至医院监听端实现远程心电接收的功能。其体积为,重量仅为50g,工作电流仅为12.8mA。设备体积小巧,功耗低,便于佩戴,能采集医院分析病理的标准12导联心电数据,适用于在家庭中使用。     

基于多通道卷积的心电信号识别方法

为解决复杂非线性多通道心电信号识别问题,提出一种基于多通道多维度深度卷积神经网络的识别方法.将心电信号转换为灰度心电图像,构建一维与二维深度卷积神经网络分别提取心电信号的数值特征与心电图像的波形特征,基于迁移学习融合提取到的数值与波形特征,训练新的全连接层提取融合后的特征并使用Softmax完成分类.该方法使用波形与数值两种特征进行诊断,更加符合医生的诊断原则.结合实例,对算法进行了仿真分析,验证了该算法的可行性与有效性.