一种实现高速异步FIFO的FPGA方法

在跨时钟域传递数据的系统中,常采用异步FIFO（First In First Out,先进先出队列）口来缓冲传输的数据,以克服亚稳态产生的错误,保证数据的正确传输。但由于常规异步FIFO模块中的RAM存储器读写寻址指针常采用格雷码计数器以及“空满”控制逻辑的存在,将使通过这两个模块的信号通路延时对整个模块的工作频率造成制约。提出了一种在FPGA内实现高速异步FIFO的方法,该方法针对不可能产生满信号的高频系统,通过省略“满”信号产生模块和多余的存储器位深来简化常规的FIFO模块,而只保留“空”信号产生模块。仿真和综合设计结果表明,整个模块的工作频率得到一定提高。     

独立分量分析在心房纤颤检测中的应用研究

为了从心房纤颤患者的动态心电图记录中抽取心房活动信号并对其进行特征分析，提出了一种无损型心房纤颤自动诊断方法.证明了应用独立分量分析（ICA）必须满足的3个基本条件：源间独立性、瞬时线性混合和至多一个高斯源，并建立了盲源分离的数学模型.采用快速固定点优化算法分析仿真试验和临床数据，计算各被分离分量的峰度值，有效提取了心房纤颤信号，定性和定量地表明了该方法的准确性和鲁棒性.     

基于典型相关分析的独立分量分析对照函数构建方法研究

本文根据典型相关分析的特征,并结合近年来的研究热点--核学习的有关理论,提出了一种在可再生核Hilbert空间为独立分量分析构建对照函数的新方法,并证明其与以前提出的普通对照函数一样,具备统计相关测度函数所需的满意数学特征.通过对各种源分布的分离结果仿真表明,该方法比现有的其他方法具有更好的鲁棒性和灵活性.     

心电图房颤信号提取的主分量分析研究

为从体表心电图估计房颤期间患者的心房活动状态，需进行房颤信号提取. 基于主分量分析研究，提出了一种从房颤患者的单导联体表心电图中提取房颤信号的新方法.由于Holter记录通常不能提供足够的空间信息，通过利用连续心博中心房和心室活动存在时间相关的特征，应用主分量分析去相关的思想从单导联进行QRST波消除方法.通过对Physionet数据库中的大量房颤数据测试和验证，表明该方法克服了固定模板平均心博抽取技术对波形形态变化的敏感性，使被估计信号的QRST残余新信号最小，获得了一种更鲁棒、效果更好的单导联房颤波提取技术.     

基于超像素分割的空间相关主题模型及场景分类方法

基于经典的LDA模型,提出新的结合超像素分割技术的空间相关主题模型SP-SLTM及相应的场景分类方法.在建模过程中引入类别约束机制,即给每类场景赋予各自的类主题空间,使模型参数的推导更加简便;在"视觉词包"的生成过程中,对图像区域进行进一步二次超像素分割;提取每个超像素的颜色和纹理特征,形成超像素的混合特征表示.上述方法的优点包括:加上从图像区块所提取的SIFT特征,共得到3种视觉词语,弥补传统方法中采用单一视觉特征描述整幅图像的不足;同一区域内的所有视觉词语共享一个主题,增加视觉词语间的空间相关性.分别将UIUC-Sport数据库的测试结果与CTS-LDA、Spatial-LTM、LDA与pLSA4种传统方法的测试结果进行比较,结果表明:采用SP-SLTM模型可以比传统方法获得更高的场景分类准确率.     

基于图割和边缘行进的肝脏CT序列图像分割

提出一种新的基于图割和边缘行进的腹部CT序列图像肝脏分割方法。首先,针对输入序列的数据特征,建立肝脏亮度和外观模型,突出肝脏区域抑制非肝脏区域;然后,将肝脏亮度、外观模型以及相邻切片之间的位置信息有效融入图割能量函数,实现CT序列肝脏的自动初步分割;最后,针对血管欠分割问题,提出了一种基于边缘行进的结果优化方法。通过对XHCSU14和SLIVER07数据库提供的30个病人肝脏序列的分割实验,以及与其他多种肝脏分割方法的比较,表明该方法能完整有效地分割肝脏,准确性高,鲁棒性强。     

基于增强的谱分析和奇异值分解的T波交替检测

针对传统谱分析方法在T波交替(TWA)检测中对噪声敏感的缺点,提出将增强的谱分析方法和奇异值分解方法结合起来的TWA检测方法.该方法利用奇异值分解得到去除了噪声干扰的心电信号,克服了传统谱分析方法只能检测平稳信号且需要增大心率的缺点,强调交替水平的重要性,即增强TWA功率谱上0.5cpb处的幅值,实现对TWA的有效分析.研究结果表明：该方法对T波交替数据库中30个人工合成并含有TWA的数据的检出准确率达93.33%,高于传统谱分析方法的TWA阳性检测率,能够提高交替比率.TWA检测率明显高于physionet网站中2008年挑战（TWA检测和定量分析）得分第一的算法实验结果（66.67%）,说明该方法具有更强的TWA识别能力.     

一种新的MLBP-Otsu算法及在舌裂纹分割中的应用

中医舌诊中只有精确、完整地分割出舌裂纹,才能准确地对舌裂纹信息进行定量化的特征表示与描述,而目前少有方法能达到此要求。为此,提出了一种新颖的基于改进的局部二值模式（Local Binary Pattern,LBP）算子与Otsu阈值分割技术相结合的舌裂纹分割算法（MLBP-Ostu算法）。根据舌裂纹的纹理特征对传统LBP的模式分类方法进行重定义;引入一个粗糙度度量因子[R],如某区域的[R]值偏小或偏大,则把其归类为非裂纹区,不进行LBP特征值计算;利用Otsu方法对前面得到的LBP特征图进行阈值分割,从而得到舌裂纹的二值图像。实验结果表明,该算法能较精确、完整地分割出舌裂纹,并且不需要预先分割出舌体区域,为将来舌诊的定量化研究及临床应用提供了有效手段。     

基于遗传算法的形态学医学图像滤波

滤波是医学图像处理的重要前期基础。针对形态学滤波的局限性,提出一种基于遗传算法的形态学滤波方法,该方法通过构造适当的适应度函数和对噪声样本图像的学习,利用遗传算法对结构元素的大小和形状以及中值滤波窗口进行自适应调整,找出最优的中值滤波窗和结构元素组合,从而获得最优的滤波效果。实验结果表明使用这一方法滤波后的医学图像信噪比得到了明显提高。