心电图信号处理程序的设计

心电图（ＥＣＧ）信号进入微机可简化心电图机的结构,微机数据处理的特点,可方便地滤除心电图的各种干扰,并可进行辅助分析。本文介绍一种ＥＣＧ信号处理程序的设计方法。     

心电信号去噪效果的评估与分析

心电信号是人体的主要生理信号之一,通过对心电信号的分析可了解心脏的健康状态,由于心电信号属于微弱低频信号,所以在采集过程中极易受到来自人体内部和外部的噪声干扰,影响心脏疾病诊断的效果。基线漂移、工频干扰和肌电干扰是心电信号采集过程中不能忽略的噪声干扰。对心电信号的相关去噪算法的效果进行对比分析。首先将模拟理想状态下的心电信号作为原始数据,同时模拟出心电信号中存在的基线漂移、工频干扰和肌电干扰。每种噪声干扰分别选择三种常用的去噪算法,采用信噪比、均方差和心电信号的频域特征的评估指标进行去噪效果的比较。在此基础上,提出了一种多噪声心电信号的去噪方法并给出去噪流程和效果。研究结果表明：（1）对于基线漂移、工频干扰和肌电干扰分别采用小波变换法、陷波滤波法和小波阈值法的去噪效果最好;（2）当心电信号含两种及两种以上噪声时,按照滤除基线漂移、工频干扰和肌电干扰的去噪顺序滤波效果最好。     

基于回归支持向量机的胎儿心电提取

针对胎儿心电难以提取的问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.首先利用回归支持向量机(Support vector regression machine,SVRM)拟合母体心电传导至腹壁所经历的非线性变换,然后将母体心电经由所拟合的非线性变换得到腹壁混合信号中的母体心电干扰的最优估计,再从腹壁混合信号中减去母体心电干扰的最优估计得到含噪声的胎儿心电,最后通过小波包去噪技术抑制胎儿心电中的基线漂移和噪声,得到清晰的胎儿心电.在胎儿心电和母体心电QRS波完全重叠的情况下,通过该方法能够提取出清晰的胎儿心电.实验结果验证了该方法的有效性.     

基于 STM32 处理器的手机监控心电的设计

传统的心电采集系统操作平台基于有线装置,与现有的个人通信终端(如移动电话、便捷式电脑)不兼容,且存在不灵活、价格昂贵、操作复杂、连续运行不稳定等缺点。针对上述问题,本作品拟设计以可穿戴式心电采集系统为设计主题,通过 STM32 对心电数据进行采集与处理,实现远程监控心电信号,并允许多户同时链接。同时,通过联合使用互联网,可实现在医院等场所进行长期稳定的心电数据监控,为医疗监护提供有利的帮助。     

小波变换与概率神经网络的心电图分类

提出了一种实时高效的心电图分类理论与方法。首先对心电图进行六尺度小波分解,将含有主要噪声的尺度进行系数置零,再将剩余层进行小波重构,从而达到除噪的目的。利用数学形态学定位心电图P、Q、R、S、T波位置,并提取计算各波间距离和斜率等12个特征值作为概率神经网络的输入向量,从而实现心电图的六分类。     

基于小波变换的QRS波形检测方法

介绍了一种使用小波变换对单导联心电信号QRS复合波进行检测的方法.用二次样条函数的母小波函数,对信号按àtrous算法进行变换.通过一系列改进措施来提高QRS波的检测精确度.在Matlab平台下,用MIT-BIH心律失常数据库对该算法进行检测验证,发现对各种干扰和病态波形有很好的抑制能力,使QRS复合波的检测率敏感度Se为99.89%,正确率P 为99.97%.     

DB-SMOTE and multi-layer stacking used for Arrhythmia recognition

In order to improve the recognition performance of the electrocardiogram,especially the recognition accuracy of minor diseases,this paper proposes the electrocardiogram recognition architecture based on the DB-SMOTE algorithm and multi-layered stacking model.The DB-SMOTE algorithm is proposed to solve the problem because the classical oversampling SMOTE algorithm ignores the intra-class unbalance of minority-class data.The new algorithm utilizes DBSCAN clustering to divide the data of minority classes into multiple clusters and filter out the noise samples,takes the boundary data of each cluster as the main body to generate new samples,and analyzes visually by tSNE.The performance of a single classifier cannot meet the requirements,so a multi-layered stack classification is used for identification,which is divided into two parts:the first is based on KNN,Xgboost and GBDT,and the feature F is mapped to F';the second part of the model is to identify the feature F'.This architecture has a 99.66% accuracy rate in identifying the electrocardiogram and can improve the recognition accuracy of minor diseases well,so it can be used to identify arrhythmias effectively.     

噪声环境下基于胎心电检测信号相关性判别的盲分离分析

胎心电是目前研究的一个热点.基于线性叠加盲分离模型,孕妇腹部的胎心电检测信号在原理上是可以通过盲分离算法进行分离的.然而临床复杂的采样环境往往会破坏信号的线性叠加特性导致一般盲分离方法难以提取出微弱的胎心电信号.为此,本文提出了一种带噪情况下基于判断多路孕妇腹部混叠信号是否满足时域稀疏线性叠加特性判决方法.通过现有的心电检测手段,找到孕妇腹部混叠心电信号的稀疏区域并计算信号间的相关性,以度量多路信号的稀疏线性混叠程度.仿真结果表明,本文提出的基于胎心电检测信号的判别方法直观地反映了多路信号间的混叠线性程度,可为FastICA算法在胎心电的应用提供一个前期的判断依据,以便获得更优的分离效果或选择另外的盲分离算法.     

基于MP稀疏分解的心电身份识别

心电信号在医疗方面的应用有着广泛的研究,然而心电信号反映了人体心脏的生理活动,不同人的心电信号各不相同,因此可以用作身份识别.该文采用Gabor原子库对心电信号进行基于MP的稀疏分解,分解后所得的原子参数和投影值中包含该信号的重要信息,将其作为特征参数,并采用支持向量机对其进行分类.通过对20个人的心电信号进行实验,识...     

基于小波变换的心电信号噪声处理

以小波变换的多分辨率分析为基础，通过对体表心电信号(ECG)及其噪声的分析，对ECG信号中存在的基线漂移、工频干扰及肌电干扰等几种噪声，设计了不同的小波消噪算法；并利用MIT／BIH国际标准数据库中的ECG信号和程序模拟所产生的ECG信号，分别对算法进行了仿真与实验验证。结果表明，算法能有效地滤除ECG信号检测中串入的几类主要噪声，失真度很小，可满足临床分析与诊断对ECG波形的要求。