基于卷积神经网络的心律失常分类方法

使用一种组合式心拍分割方法，利用带通滤波对原始心电数据进行降噪处理，实现QRS波群定位和心拍截取；设计7层的一维卷积神经网络（convolutional neural network，CNN）模型，对正常搏动（N）、左束支传导阻滞（L）、右束支传导阻滞（R）、室性早搏(V)4类心拍数据自动分类检测，从而完成4类心律失常的分类。以MIT BIH心律失常数据库47条数据进行训练，结果显示，其准确度为9900%，召回率为9908%；与相关文献的研究方法对比，本方法具有较高识别精度，能有效解决人工对心电图识别的误诊、错诊问题。     

基于形态学和提升小波的心电信号去噪方法研究

心电信号是一种典型的微弱信号,含有大量噪声,还具有强烈的非线性和非平稳性.针对传统小波计算量大,很难同时将心电信号中高频和低频噪声去除的问题,提出一种结合形态学与提升小波阈值去噪的算法,通过形态学滤波器去除信号的低频噪声,提升小波阈值去噪法去除信号中的高频噪声.经过对MIT-BIH心律失常数据库中的心电信号进行仿真,结果表明,结合形态学算法与提升小波去噪算法的去噪方法,能同时有效去除信号中的低频和高频噪声,提高了心电信号的质量.     

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%。     

内蒙古优秀男子举重运动员的静息心电图分析

目的:对内蒙古自治区优秀男子举重运动员进行晨起空腹静息心电图分析,筛查可能引起运动性心律失常、运动性猝死的潜在心脏问题,并根据筛查结果,加强对运动员心脏状况的医务监督.方法:选取内蒙古重竞技运动管理中心男子举重队优秀运动员11人,使用MAC1200ST型12导联同步心电图机记录运动员晨起空腹心电图,按运动员异常评价方法进行筛查.结果:11名举重运动员中,异常心电图者有9人(81.8%),其中窦性心律不齐、不完全右束支传导阻滞、早期复极综合征检出率分别为54.5%、36.3%、36.3%.考虑运动员既往身体素质良好,并无相关症状,可定期对运动员进行心电图医务监督,以尽早发现运动员心脏疾患.     

老年室性早搏病症的研究

要想主要针对老年室性早搏的动态心电图进行了分析,并针对其对老年室性早搏的临床治疗意义进行了论述。文章以某大型医院组织的120例该病理资料中超过万次的室性早搏动态心电图资料,并加以分析。以有无心脏病作为条件将案例分为两组。分析结果表明两组之间具有显著差异性,主要差异体现在室早发生时间以及发生年龄,另外在心电图中复合型异常也具有一定差距。通过比较分析,在室早发生频度上两组并不存在明显差异。通过上述分析可以得出结论,室性早搏次数不能作为老年人是否患有心脏病判定的依据,而复合型心电异常以及室性早搏发生时间则可以作为判定老年人是否患有心脏病的依据。     

浅谈心电图分析五步法及应用

心电图是心脏搏动时产生的生物电流,再通过心电图机从身体特定部位记录下来的电位变化图。一般来说,就是在人体以电极贴附于体表的特定部位导出电位而记录下来的波形。从心电图中,可以观察出患者心脏方面的问题。因而,心电图的分析对于临床医学来说,是非常重要的。主要简单地阐述了心电图分析的5个步骤及其在医学上的应用。     

非ST段抬高急性心肌梗死的心电图分析

目的探讨非典型心肌梗死在心电图中的表现及临床意义。方法随机抽取我院2006年1月至2008年1月门诊确诊的急性心肌梗死患者57例,对其临床资料及心电图表现进行探讨。结果 57例急性心肌梗死患者,出现非典型心电图形态20例,占35.08%。结论熟悉并掌握非典型心肌梗死的心电图形态改变对急性心肌梗死的诊断治疗及预后至关重要,防止出现误诊、漏诊现象,为临床提供准确的诊疗依据。     

基于经验模态分解的间接心电去噪

提出了一种基于心电图（ECG）动态模型和经验模式分解（EMD）的新颖心电间接去噪方法．通过设计一个心电信号模型对噪声ECG进行预滤波处理,为了保持重要的形态特征,尤其是QRS群波,从噪声ECG信号中减去这个模型,用EMD分解残存下来的信号,并且抛弃分解结果中的噪声成分达到去噪．最后,通过把模型和无噪的残余信号叠加起来获得无噪ECG波形．     

Beagle犬部分生理指标测定

目的建立Beagle体温、呼吸、血压、心率、心电图等部分生理指标正常参考值范围,为国家制定标准提供参考依据和相关医学研究及应用提供参考基础数据。方法选用普通级健康beagle犬380只,采用肛表、多道生理记录仪、心电图仪分别测定Beagle犬体温（直肠温度）、呼吸、血压、心率、心电图。结果所有测定指标雌雄间比较差异不显著（P〉0.05）;只有呼吸指标高于相关报道,且差异显著（P〈0.05）。结论除呼吸指标外其它各项指标与国内相关报道基本相符合,具有较好的参考价值。     

基于心电图分析的心律失常分类

心律失常分类是心电图自动分析的重要内容。论文基于心律失常的心电波形特点,运用逻辑判别树方法实现心律失常分类。首先,运用数学形态学和小波变换算法检测心电波形的QRS波,计算RR间期、QRS波时限等参数;然后结合医生识读心电图判别依据,将所有心拍分成主导性心拍、室上性异常心拍、室性异常心拍、其他心拍4类。利用MIT-BIH心律失常数据库检验分类效果,统计结果表明总体准确率达到了94.2%。