基于诊断特征提取的体震信号盲分帧算法研究

目前,体震信号常用于检测人体心率和呼吸率参数,适合在日常实时监测中使用。然而,要将其最终应用于医学临床实践,首先必须实现其诊断功能。总结了一系列逆于临床的体震信号诊断参数,并针对其特征提出一种盲分帧算法,结合Kohonen自纽织神经网络的聚类功能,无监督地对独立心动周期中的特征点进行分类,最终提取体震信号的诊断特征。使用同步检测的心电信号和心率不齐病例,对所提算法进行定量和定性对比实验,仿真结果准确率较高,证明了该方法的可行性。     

基于CNN的心冲击信号阵发性房颤自动检测方法

阵发性房颤具有发作突然且时间短的特点，而目前其临床诊断方法——心电信号，不适于日常监护，因此，提出一种基于心冲击信号(ballistocardiogram，BCG)的非接触式房颤自动检测方法.研究不同输入数据长度与不同网络深度的匹配关系，获取应用一维卷积神经网络(convolutional neural network，CNN)检测阵发性房颤的最优组合.通过2000组数据的测试，所提模型的最佳性能为:测试准确性94.8%、敏感性97.2%、特异性92.7%，为基于BCG信号的心律失常检测与远程日常家庭监护提供了可能性.     

一种基于体震信号的快速ICA胎儿心搏信号提取方法

常规胎儿心搏检测方法为胎儿心电信号检测,针对其需要在母体体表粘附多个电极,对检测环境和受试者的状态要求较高等问题,提出一种应用快速独立分量分析算法提取胎儿心搏信号的方法.该方法利用体震信号无需在体表安装电极的非接触检测优势,通过对母体体震信号主成分的分析,获取胎儿心搏成分分量,更适用于日常家庭无感监测的要求.通过采集45组母体体震信号及同步胎儿心电信号,验证算法的准确率为91.3%.     

基于云模型的体震信号智能诊断方法

研究了使用云模型理论智能诊断体震信号中心率异常信息的方法.利用云模型将定性的专家诊断体系与定量的计算机辅助诊断系统相结合,模拟了专家诊断过程.建立了心率异常智能诊断规则云模型,构造了体震信号JJ间期分布曲线图,以此自动校正模型参数,最终建立智能诊断机制.采用实验室搭建的体震信号实时采集系统提取2 000组样本作为采样对象,并与传统标准阈值法进行对比,验证了所提方法的可行性.实验结果表明:该方法自动聚类的准确率达到90.2%,高于传统方法 2个百分点.     

GPS技术在地籍调查过程中的具体应用

详细阐述GPS技术在地籍测量中的功能和特点，并比较地籍测量在应用GPS技术和全站仪测量技术中运用的不同之处。     

浅谈WALK地籍建库的几点注意事项

本文介绍了外业提供原始数据是CAD格式时，转换为walk文件时对文件的要求和图形数据在WALKCM中如何利用图宇管理分幅。