排序方式: 共有10条查询结果,搜索用时 31 毫秒
1
1.
针对目前智能医疗诊断领域的研究现状,结合心电信号的时序性和多导联关联性特点,为降低心肌梗死疾病的误诊率,提出一种基于双向门控循环单元神经网络(Bidirectional Gated Recurrent Unit,BiGRU)和多导联心电图(electrocardiogram,ECG)信号的深度神经网络学习算法。对原始心电信号进行去噪处理,分割成心拍序列;将心拍序列送入深度神经网络训练模型学习分类;采用Physikalisch-Technische Bundesanstalt(PTB)心电数据库验证多导联BiGRU算法。算法对心梗检测的灵敏度为99.93%、特异性为99.72%、准确率为99.89%。实验结果表明,该算法的检测效果明显优于其他文献的检测算法,对提高心肌梗死的正确诊断率具有重要意义。 相似文献
2.
针对心肌梗死疾病的快速准确定位,提出一种结合基因算法和极限学习机(GA-ELM)的新定位算法。对多导联心电图(electrocardiogram, ECG)进行去噪预处理;分别定位出每个R波峰的位置,并将心电信号分割成相互独立的心搏序列,作为混合模型的输入;采用(Physikalisch-Technische Bundesanstalt,PTB)心肌梗死数据库验证所提算法的有效性。利用十折交叉验证法评测算法定位的精度,实验结果表明,GA-ELM混合模型对心肌梗死定位的准确率达到98.42%,性能优于其他文献的算法,对医护工作者确定心肌梗死部位具有重要的临床意义。 相似文献
3.
4.
为了更准确地检测心律失常,提出基于单心搏活动特征与BiLSTM-Attention模型的心律失常检测方法。采用MIT-BIH心律失常数据库对算法进行验证,用双正交小波变换去除噪声干扰;通过二进样条小波变换的模极大极小值对检测R波峰值位置,并提取QRS波群数据及RR间期;使用BiLSTM-Attention分类模型进行心搏识别。实验结果表明,N、S、V和F类心搏的灵敏度分别为99.76%、94.74%、97.53%、83.93%,阳性预测值分别为99.76%、94.03%、97.53%、87.04%,F1综合指标达到了99.40%,证明了该算法的有效性。 相似文献
5.
6.
设计一种基于云计算的智能健康监测系统,实现人体多体征参数的检测、监护和健康干预,为慢性病防治和不良生活习惯纠正提供了积极有效的解决途径。系统由智能监测设备、应用终端和云平台三部分组成。通过监测心电、血氧、血压、血常规等体征参数,判断受检者的健康状况,当发生异常可及时预警。该系统监测参数多、实时性能高,可实现数据的远程传输、处理和展示,有助于建立健康监测新模式。 相似文献
7.
心律失常是一种常见的心电活动异常,严重的可能危及人的生命.为了能准确诊断心律失常,提出了一种新的方法,用于心律失常诊断中对心搏的识别分类.首先对原始心电信号进行去噪预处理,并根据R峰位置获得心搏段.然后提取235单心搏特征点、R波幅值、P R间期、QT间期、ST段和RR间期作为特征参数,并对比分析不同特征组合下分类的性... 相似文献
8.
9.
10.
针对出租车空载率高、司机寻客难的问题,提出泊松-卡尔曼组合预测模型(PKCPM)。首先,采用加权非齐次泊松模型,针对出租车历史数据进行建模,得到目标时刻的估计值;其次,基于当天的实时数据,将临近时刻乘客需求的平均值作为目标时刻预测值;最后,将预测值和估计值作为卡尔曼滤波模型的输入参数,实现对目标时刻出租车乘客需求的预测,同时引入误差反向传播机制,减小下一次预测误差。基于郑州市出租车轨迹数据集,对组合模型与非齐次泊松模型(NHPM)、加权非齐次泊松模型(WNHPM)、支持向量机(SVM)等三种模型进行对比,实验结果显示PKCPM的误差比WNHPM、SVM分别降低了8.85个百分点、14.9个百分点。该模型能对不同时段内、不同空间网格的乘客需求进行预测,为出租车寻找乘客提供可靠的依据。 相似文献
1