首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   14篇
  免费   4篇
  2020年   1篇
  2017年   1篇
  2014年   4篇
  2012年   3篇
  2010年   1篇
  2009年   7篇
  2007年   1篇
排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
文中分析了MIMIC多参数智能监护数据库存储文件的识读方法,该数据库公开发表于PhysioNET,还研究及基于STM32和DAC8568的多参数数据D/A回放系统,包括系统硬件工作原理和系统软件工作原理。MIMIC多参数智能监护数据库的数据文件对于变异性较大的生理参数采用连续采样的方式,而对于相对稳定的生理参数采用周期采样的方式,因此,多参数数据各信号的抽样频率不同。系统首先通过VC++编程读取一个多抽样频率数据并在PC机上显示其波形,然后经过D/A硬件设备进行D/A转换后使用示波器输出其波形,实现输出的波形与原始的波形能同时回放。系统可作为模拟信号源,为远程多参数生理监护仪的研制奠定了基础。  相似文献   
2.
本文基于MMA7260QT加速度传感器获取的人体运动加速度信号,采用人体加速度向量幅值(SVM)和人体加速度向量区域值(SMA)描述了老年人的运动状态,检测人体跌倒,具有良好的准确性和实时性。采用bior3.3小波分析,在轮廓的基础上,最大程度上保留了细节,有效的去除噪声对特征量的干扰。本文提出了人体跌倒检测算法,大大降低了误判率和漏判率。首先,检测人体SVM是否超过阈值进行第一级跌倒检测,区别出人体日常活动(ADL)和跌倒;其次在此基础上,检测第一级各个跌倒的SMA值,是否超过阈值,判断跌倒和疑似跌倒。当两次判断都检测到跌倒发生时,报警。  相似文献   
3.
目的:利用小波变换进行T波区间的检测。方法:在23尺度上通过模极大值法定位R波。在24尺度上首先根据R峰以及T波起点和终点的经验值确定起始T波区间。然后对每个心拍在此区间上找到T波的模极大值,根据模极值的个数和正负顺序确定T波波形的形态。由于不同形态的T波对应不同的T波起点和终点的检测方法,实现T波区间的分类检测,提高T波检测的精确度。由于本文算法是作为T波交替检测的前期工作,为了验证算法的准确率,采用了QT数据库中的部分记录进行了仿真,评价实验结果。结果:仿真实验证明了本文算法能正确地分辨出每个T波的形态,并在此基础上得到较为准确的T波区间。结论:本文采用模极大值算法根据T波的不同形态进行T波区间的分类检测,检测结果比较理想,且计算简单,较易实现。  相似文献   
4.
目的:检测出Lown分级中各种室性心律失常,进一步完善便携式心电仪中心电的诊断分析,增强其功能.方法:本文提出一种在基于小波变换理论上检测出R波的基础上,采用适当的阀值并结合新的模板匹配方法检测出室性早搏,并进而检测出Lown分级中各种室性心律失常.结果:利用Matlab仿真工具,选择MIT-BIH心率失常数据库中信号进行验证,能正确检测出各种室性心律失常,错检率较低,实现简单,适合实时处理.结论:此方法正确率高,符合心电分析要求.进行算法优化后可嵌入到心电检测仪中实现应用.为便携式心电仪功能的完善有很大的帮助.  相似文献   
5.
目的:实现室颤信号与非室颤信号的分类,进而实现室颤信号的检测。方法:本文引入了一种基于支持向量机(Support Vec-tor Machine,SVM)和改进的越限区间算法(TCI)的新算法,其中支持向量机在处理分类和模式识别等问题中具有很大的优势。该算法采用4s的滑动窗技术,并利用改进后的越限区间算法(Threshold Crossing Interval,TCI)方法提取心电信号的特征。新算法的实现如下:在每一滑动窗内采用改进的后的绝对值阈值,计算中间2s内的平均越限间隔值。并以此TCI值作为特征参数,输入一个预先设计好的二分类支持向量机中,从而实现分类。结果:成功实现了室颤信号的检测,通过计算该方法的灵敏度、精确度、预测性和准确度且与其他方法相比较,可知此新算法总体可靠性优于其他方法。结论:该算法能够实现室颤信号的实时监测,且简单易行,易于实现,较适合实时的心电监测以及除颤仪器。  相似文献   
6.
赵艳娜  魏珑  徐舫舟  赵捷  田杰  王越 《生物磁学》2009,(16):3128-3130
目的:研究去除心电信号中的基线漂移、工频干扰和肌电干扰等噪声,提高心电信号的自动识别和诊断精度。方法:利用Coif4小波对心电信号进行8尺度分解,采用小波分解重构法去除基线漂移,然后利用改进的小波闽值算法去除工频干扰和肌电干扰。结果:利用Matlab仿真工具,选择MIT-BIH心率失常数据库中信号进行验证,能有效去除这三种噪声,并且很好的保持R波的信息。结论:本算法在不丢失心电信号有用信息的前提下,可以较好的去除三种常见的噪声,可以用于心电信号自动分析之前的预处理。  相似文献   
7.
田杰  赵捷  李群  赵艳娜  徐舫舟  王越 《生物磁学》2009,(20):3938-3940
目的:检测采集到的信号是否为有效心电信号,提高后续心电诊断和分析的准确率。方法:将采集到的信号进行预处理,即去噪处理,主要抑制基线漂移,50Hz工频及其谐波干扰和肌电干扰;取滑动窗长度为4s,检测该段内信号是否有效。为了验证算法的准确率及对不同心电波形是否具有普遍适用性,对MIT-BIH Arrhythmia Database中48个记录,CU及MIT-BIH Noise Stress Test Database中部分记录进行了仿真、验证。结果:仿真实验证明该方法能正确区分有效和无效信号,错检率较低,实现简单,适合实时处理。结论:本方法准确率高,能减少后续心电诊断和分析的计算量并提高准确率,特别是对室颤检测,符合心电分析的要求。  相似文献   
8.
魏珑  赵捷  徐舫舟  赵艳娜 《生物磁学》2009,(16):3131-3134
目的:研究T波段幅度、形态逐拍交替变化的心电变异现象检测。方法:本研究首先使用Mexican.hat小波检测R峰并对心电信号进行预处理;在提取T波矩阵方面为减少心拍间内差,采用点乘最大法,最大程度地对齐T波;最后基于时域相关分析方法检测T波交替幅度、交替心拍,追踪非稳态心电信号中短暂的交替数据段。结果:利用相关分析法对样本数据所测交替幅度与谱分析法相比更加显著,并且可以检测出谱分析方法无法检测的交替心拍。结论:时域相关分析方法能够更精确地追踪T波交替随时间变化的现象,但其对输入数据要求较高,因此在检测中可以先通过谱分析方法检测为阳性TWA的基础上,再对心电信号进行相关分析,从而确定非稳态交替时间段和更加准确的交替幅度。  相似文献   
9.
基于小波变换的心电信号去噪算法   总被引:1,自引:0,他引:1  
目的:去除在心电信号采集过程中混入的肌电干扰、工频干扰、基线漂移等噪声信号,避免噪声对心电信号特征点的识别和提取造成误判和漏判。方法:首先利用coif4小波对心电信号按Mallat算法进行分解,然后采用软、硬阈值折衷与小波重构的算法进行去噪。结果:采用MIT/BIH Arrhythmia Database中的心电信号进行仿真、验证,有效去除了三种常见的噪声信号。结论:本方法实时性好,为临床分析与诊断奠定了基础。  相似文献   
10.
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号