彩色多普勒超声心动图对先天性心脏病患者肺动脉压力的估测

目的：利用彩色多普勒超声心动图定量估测先天性心脏病患者的肺动脉压力。方法：65例先天性心脏病患者,其中房间隔缺损（ASD）25例、室间隔缺损（VSD）22例、动脉导管未闭（PDA）18例,应用彩色多普勒超声心动图,通过测量瓣膜返流速度、心内分流速度及测量肺动脉血流频谱时间间期参数估测患者肺动脉压力,并与心导管测量测量肺动脉压力相对比。结果：通过瓣膜返流速度、心内分流速度估测肺动脉压力与心导管所测肺动脉压力高度相关（p〈0.01）;通过测量肺动脉血流频谱时间间期参数估测肺动脉压力与心导管估测肺动脉压力相对比,PASP、PAMP与肺动脉血流曲线加速度相关性较好（r=0.75）,与PEP/AT相关性较差（r=0.51）。结论：通过瓣膜返流速度、心内分流速度可准确估测肺动脉压力;肺动脉血流频谱时间参数受检查切面、取样容积位置及大小、超声束与血流方向夹角（θ）等因素影响,根据这些参数估测肺动脉压的研究结果差异较大。     

基于多级树集合分割编码的心电图压缩算法

将A .Said等人提出的基于小波变换的多级树集合分割算法用于心电数据的压缩。实验结果表明与传统的一些基于小波系数编码的心电压缩算法相比 ,所用的算法具有更好的压缩效果。     

基于多尺度小波变换的心电信号消噪

心电信号的消噪一直是人们关注的焦点,至今为止已经有许多论著针对心电信号的处理提出了不同的算法。本文以多尺度小波变换为理论背景,根据信号与噪声在小波变换下的不同特性,提出了一种阈值法和模极大值法相结合的小波消噪新算法。临床试验表明,该算法对心电信号的消噪具有良好的效果。     

基于径向基函数神经网络的胎儿心电提取

针对胎儿心电难以提取问题,提出一种从母体腹壁混合信号中提取胎儿心电的方法.利用径向基函数(radial basis function,RBF)神经网络估计母体心电信号传导至腹壁的非线性变换,将非线性变换后的母体心电信号从腹壁混合信号中减去,再通过小波包去噪技术抑制胎儿心电的基线漂移和噪声,得到清晰的胎儿心电.应用临床心电数据完成实验,在胎儿心电和母体心电QRS波完全重叠情况下,提取出清晰的胎儿心电.实验结果验证了方法的有效性.     

基于小波变换的心电信号处理研究

在简述小波变换理论发展的基础上,介绍了心电信号的主要特点和研究内容,从两大方面概括小波变换应用于心电信号处理的国内外研究现状:一是去噪,着重介绍了小波阈值消噪的研究成果,概括了在母婴心电信号分离、去除肌电噪声、保留特征波形方面的研究现状;二是波形检测和特征提取,着重介绍了QRS波群检测、ST段检测和R波峰值提取的研究现状,以及小波与其他理论结合用于心电信号处理的研究成果。最后,展望了利用小波变换进行心电信号处理的前景。     

超声血流的无创伤检测和医学信号的特征提取

人体信号是随机性和背景噪声都很强的复杂信号。文章首先研究了利用超声Doppler技术定量检测血流速度的方法，然后将一些现代信息处理中的新理论、新方法引入医学超声的信息处理，为医学超声信息的特征提取提供了新的手段。这些理论包括：分形、数学形态学、数量化、小波变换、极点轨迹和血管传输线模型等。文章最后阐述了利用上述新方法作为技术核心而研制的三套应用系统；肺动脉血液动力学参数的无损估测系统、彩色编码的声谱系统和超声血流定量检测系统。     

一维离散小波变换在心电信号降噪中的应用

为准确提取反映心电信号的特征信息,提出应用一维离散小波变换实现对心电信号的降噪处理方法。首先介绍了一维离散小波变换的基本思想;其次,应用小波分解与重构的方法(Mallat算法)在MATALB环境中编程实现对心电信号的降噪处理;最后,引入降噪信号与原信号的能量比(ENR)、均方根误差(RMSE)和自相关系数(AC)作为小波变换的降噪评价指标。可见,该方法能够有效地去除心电信号中的噪声干扰,对于实现心电信号特征信息的提取具有一定的参考价值。     

有限长小波变换中边缘效应的一种消除方案

小波变换在图像的多分辨分解应用中的一个关键技术是克服有限长小波变换中的边缘效应。提出了一种解决有限长小波变换中边缘效应的方案,并在理论上证明了本方案能彻底消除边缘效应,实验结果也证明了本方案的优越性。     

小波变换用于心电信号高频成份的分析

小波变换是一种线性运算，它对信号进行不同尺度的分解，可有效地应用于如信噪分离，提高时频两域的分辨率等。讨论小波变换用于心电QRS波形高频成份特征提取的方法。实验结果表明高频截止频率fH和W值，对于心肌缺血（冠心病）者其值普遍高于无心肌缺血（冠心病）者。并且揭示了急性心肌缺血时心电信息的高频成份动态变化的本质。     

动态心电数据的小波网络压缩算法

研究了心电信号的非平稳过程特性,从时间序列建模角度分析动态心电数据表示模型和压缩算法。采用小波网络作为建模工具,将原始心电数据映射为小波网络的参数作为数据重构信息,给出压缩/重建的实验结果并分析讨论。研究表明,小波网络压缩算法继承了小波变换和神经网络的优点。具有较好的压缩性能。     

基于改进小波变换的QRS特征提取算法研究

提出了一种改进小波变换的方法对心电信号进行检测.首先设计不同的方法对心电干扰进行消噪预处理;然后对预处理后的心电信号采用改进小波变换和窗口函数的方法检测QRS波群;最后利用MIT-BIH标准数据库中的数据对此算法的准确度和有效性进行验证.结果表明改进小波变换方法对R波峰值定位的准确度可达到99.89%,为其他波群的检测定位奠定良好的基础,对诊断心肌梗死等心血管疾病具有重要意义.     

基于小波分析和神经网络的胎儿心电提取

通过小波分析方法和自适应线性神经网络相结合,对围产期母体腹壁混合心电信号进行处理,采用两种方案进行仿真并分析对比。分别采用小波变换和小波包分解技术对心电信号消噪处理,探索一种提取出胎儿清晰心电信号的方法,为下一步胎儿心电信号特征提取和健康状况的诊断奠定基础。实验结果表明,先提取胎儿心电信号,再进行消噪处理效果较好。     

基于离散平稳小波变换的心电信号去噪方法

本文提出一种基于离散平稳小波变换的心电信号去噪方法,通过对心电信号进行多层离散平稳小波变换,根据噪声的不同来源及其频带分布特点,对变换后的细节信号采用不同的去噪方案。该方法能有效克服传统离散正交小波变换去噪时容易产生Gibbs现象,从而达到保持心电波形特征且抑制噪声的双重目的。     

心电信号自动检测的小波变换方法

将小波变换方法应用于心电信号的自动分析,分别用一次微分小波和二次微分小波构造了两个具体的算法,对实际心电信号的分析表明,算法的QRS波的检出率达到99．6％以上,可以满足实际应用的要求。     

心电信号小波分析

心电信号是一种非平稳并具有很多奇异点的微弱信号。小波变换中的模极大值消噪法具有非线性及自适应性,小波的这种特性对于类似于心电信号这种非平稳微弱信号是十分适用的。针对传统的消噪方法在处理心电信号时的局限性,研究了小波变换的时-频局部化特性及基于多分辨率分析的信号小波分解和重构算法———Mallat算法。采用小波分析的模极大值法实现对QRS波R峰值点的检测,以及对心电信号的消噪处理。通过试验研究可知,运用小波进行QRS波检测,QRS波的识别率高达99.9%,经过消噪重构后的心电信号信噪比较原始信号有较大提高。     

在Matlab中用小波分析实现心电信号去噪

本文描述了通过bior3.5小波变换按照Mallat的快速算法对含有干扰的心电信号进行9尺度分解;通过使用硬阈值和软阈值方法获取默认阈值和使用Stein无偏似然估计阈值进行阈值量化,去除噪声成分;最后根据小波分解的最底层低频系数和各层高频系数进行一维小波重构,从而得到去除噪声的心电信号。     

一种新的心电信号R峰自动检测方法

R波是心电(ECG)信号中最重要的组成部分,蕴含着重要的生理病理信息。在长时ECG信号上实现R峰自动检测是进行心率变异性分析、心血管疾病诊断、生物识别和ECG编码的关键步骤。文中提出了一种新的基于小波变换的R峰自动检测方法。首先,设计了一种改进的小波阈值法,并结合小波包分解对原始心电信号进行去噪处理;其次,将去噪后的心电信号进行小波变换,采用自适应阈值法在恰当的频率子带上检测出候选R峰,并将其位置逆变换于心电信号;最后,根据RR间期的局部变化趋势进行R峰的精细筛选,以最终完成R峰检测。文中选用MIT-BIH心律失常数据库中的2个心电记录对所提算法进行性能评估,采用错误检测率(DER)、真阳性率(+P)、敏感度(Se)和准确率(Acc)作为评价指标,平均检测结果分别可达0.395%,99.67%,99.95%,99.62%。     

基于小波变换自适应滤波方法的ECG信号消噪

为了减少在用小波变换方法进行心电信号消噪时所产生的心电信息损失,本文在对心电信号进行离散正交小波变换的基础上,进行自适应滤波处理,即以具有最大QRS波能量的尺度上的高频细节信号作为自适应滤波器的参考输入,以噪声干扰对应的分解尺度上的“细节”分量及最大分解尺度上的近似分量所重构的信号作为原始输入.实验证明这种改进的滤波方法可以在有效抑制心电信号中噪声干扰的同时,较好保持心电信号的波形特征及有用的心电信息,达到较好的滤波效果.     

基于小波变换的自适应滤波器消除ECG中基线漂移

设计了一种新的基于小波变换的自适应滤波器，其参考信号选择原始信号经小波分解后的高频部分。该滤波器可有效消除心电信号中基线漂移。经ＭＩＴ／ＢＩＨ心电数据库检验，取得满意的结果。     

基于小波脊的超声信号处理

根据超声信号通常是单频载波脉冲信号,具有渐近信号的特性,提出了一种基于小波脊的超声信号处理算法．首先利用渐近小波变换提取超声信号的小波脊,计算小波脊的移动熵,然后通过移动熵实现缺陷信号与噪声的分离和缺陷定位,最后利用小波反变换重构出缺陷信号．该算法充分利用了超声信号的时域、频域和相位信息,不仅消噪性能好,而且缺陷定位准确