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。     

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。     

心电检查网络化管理在我院使用体会

随着医院信息化进程的不断深入,医院对各种检查数据的信息化要求越来越高。作为医学检查中最为基础的心电电生理检查,却还停留在单机工作的模式中,无法满足数字化医院的要求。因此,心电电生理迫切需要信息化、数字化,从而将宝贵的心电及电生理信息数字化存储,并以网络方式发布到临床,实现全院共享。     

平移不变小波在心音信号去噪中的应用

小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。     

基于SIM300的远程心电监护系统的设计与开发

随着现代通信技术的发展,远程患者监护,尤其是心电监护有了越来越多的需求.本系统采用GPRS技术,可以长期的随时随地的监测患者心电信号,并能通过GPRS模块SIM300传输到己接入Internet网的医师工作站的服务器上供医护人员分析,由他们提供及时而正确的诊断和医疗指导.该心电监护系统已经应用于内蒙古、福建的临床试验中,得到了患者的普遍认可.     

深度卷积神经网络在心音分类方法中的应用

通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数（Mel Frequency Spectral Coefficient,MFSC）特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样本有限,导致模型训练正确率不高的问题,以心音的二维MFSC特征图为对象分别从时间域和频率域进行随机屏蔽处理进而扩充训练样本。实验结果表明,该方法在PASCAL心音数据集上进行测试,对正常、杂音、早搏三种心音的分类性能明显优于现有最好的方法。     

基于深度卷积神经网络的心音分类算法

针对现有心音分类算法普适性差、依赖于对基本心音的精确分割、分类模型结构单一等问题,提出采用大量未经过精确分割的心音二维特征图训练深度卷积神经网络(CNN)的方法;首先采用滑动窗口方法和梅尔频率系数对心音信号进行预处理,得到大量未经过精确分割的心音特征图;然后利用深度CNN模型对心音特征图进行训练和测试;根据卷积层间连接方式的不同,设计了 3种深度CNN模型:基于单一连接的卷积神经网络、基于跳跃连接的卷积神经网络、基于密集连接的卷积神经网络;实验结果表明,基于密集连接的卷积神经网络比其他两种网络具备更大的潜力;与其他心音分类算法相比,该算法不依赖于对基本心音的精确分割,且在分类准确率、敏感性和特异性方面均有提升.     

胎儿心电提取方法研究综述

胎儿心电信号提取是一个复杂的信号处理问题。本文首先对自适应滤波技术、独立分量分析方法和盲源提取技术等三种典型的胎儿心电提取方法的基本原理进行了阐述,然后对各方法的改进研究也进行了综述,并对比分析了三种方法的优缺点,指出基于二阶统计量盲提取方法,根据胎儿心电周期与母亲心电周期的差异,只提取胎儿心电,计算量小,便于在线实时处理,在今后的应用中将会有广阔前景。     

基于STM32可视化心音信号电子测试系统的研究

电子听诊技术在临床医学、工业探测等领域有着广泛应用,医学上心音听诊是诊断心脏等内脏疾病的主要手段之一,而传统听诊器因其固有缺陷,很难满足现代医学发展要求。以医学电子听诊为研究对象,选定STM32F107为中央处理器,结合微弱信号处理技术,设计了一套心音信号的采集分析系统,完成了心音信号高速、高精度、抗干扰、实时可视化听诊,并结合MATLAB仿真软件对采集到的心音信号进行分析,实现了实时心音信号采集、前端信号处理和分析,完成了数据压缩、存储、分类,以及波形及数据显示回放等功能,以满足临床医学听诊的要求。     

基于一种新的小波阈值函数的心音信号去噪

研究心血管系统的病理特征问题,应正确识别心音信号,对心音信号去噪问题常用小波变换方法,但是小波阈值函数存在着一些缺陷,影响了去噪的性能.通过讨论软硬阈值函数和已有的几种改进阈值函数的优缺点,提出了一种新的双参可调小波阈值函数,方便调节,适合于进行各种数学处理,更重要的是具有更符合自然信号连续特性的过渡区.仿真实验表明,新阈值函数可有效地抑制噪声,去噪后的信噪比和均方根误差均优于传统小波阈值函数,具有较高的实用价值.