神经网络自适应共振理论应用于心电图QT间期自动检测？…

介绍一种利用改进的ＡＲＴ（自适应共振理论）人工神经网络检测心电图ＱＴ间期的方法,用经过训练的ＡＲＴ网络对心电波形进行分类和识别,较准确的测出Ｔ波终点位置,从而提高ＱＴ间期检测的正确率,该算法在一定程度上模拟了心电专家手工测量ＱＴ间期的过程,用于检测包括ＭＩＴ心律失常数据库（ＭＩＴ／ＢＩＨ Ａｒｒｈｙｔｈｍｉａ Ｄａｔａｂａｓｅ）在内的共近千个心跳波形,并以两位心电手工测量结果作为标准数据进行对比。     

用于身份识别的ECG特征筛选策略研究

为了解决基于心电信号(ECG,Electrocardiogram)中基准点特征适用度的问题,在理想化的特征计算结果的基础上,本文提出引入由于计算机识别心电波形基准点所带来的误差,从实际应用角度选择出在身份识别中具有应用价值的特征.研究首先采用小波变换处理心电信号,将心电波形的基准点与不同阶小波系数相对应,自动检测基准点并同时获得检测准确率.然后,设计并实现了由基准点检测准确率估算基准点构成特征的准确率策略,进一步利用逐步判别法进行特征选择,最后,获得特征在用于身份识别中的筛选结果排序.研究采用PTB心电数据库(PhysikalischTechnische Bundesanstalt,德国国家计量科学院心电数据库)作为实验数据,在60人的数据集上进行身份识别,获得98.7%的准确率.     

QT离散度的测定算法设计与实现

QT离散度作为一种无创伤性室性心律失常检查方法已受到临床上的重视,手工方法测量QT间期存在很大差异,不同测量者之间差异可达30%.若能设计一个精确的计算机测量算法,将会对临床诊断有重要意义.本文旨在设计一种计算机自动测定QT离散度的算法,避免人为误差,为临床提供重复性好、测量准确的手段.     

基于织物电极的心电监测系统

为解决传统动态心电监测存在的一些问题,例如粘性心电电极刺激皮肤、信噪比随使用时间延长而下降、动态心电图仪缺乏实时分析能力等,研制了一种可穿戴心电异常检测系统
。制作了有导电织物材料心电电极的穿戴衣,设计了心电信号采集装置,提出了基于分析R-R间期和QRS波群波形的异常心电波形检测算法,在PDA(Personal Digital Assistant)平台上实现了基于该算法的异常心电信号识别软件。通过实际测试,验证了本系统的有效性和可靠性。     

基于人工神经网络的云自动检测算法

为实现卫星观测数据的高效云自动检测技术,提出了基于人工神经网络的云检测方法,并针对中分辨率成像光谱仪（MODIS）的观测数据建立了BP神经网络模型,给出了算法的应用实例.通过实例分析表明,基于人工神经网络的云检测算法具有良好的时空适应性,检测效果较好,检测速度快,具有业务实用价值.     

基于增广拉格朗日的全变分正则化CT迭代重建算法

采用一种基于增广拉格朗日方法(augmented Lagrangian method)求解全变分正则化(total variation regularization)算法(ALMTVR)来进行CT图像重建.将ALMTVR算法与经典的代数重建算法(algebraic reconstruction technique,ART)进行比较,并采用仿真数据与实际数据进行实验.在实验中,使用ALMTVR算法与ART算法分别进行图像重建,并对重建图像进行对比分析.实验结果表明:所提算法与ART算法相比,显著提高了图像重建的质量与速度,显示了其对图像重建的有效性及在CT成像系统中潜在的应用价值.     

基于小波变换与Hilbert变换的QRS波检测方法研究

针对心电波形检测中小波算法的缺点,将小波变换与Hilbert变换结合应用于QRS波的检测中。利用这2种数学工具的特性,提出了一种新的检测算法,该方法可以有效地从其它波形（Q波、S波、P波和T波）中将R波检测出来。在虚拟仪器的开发平台——Lab VIEW图形化编程语言基础上,通过MIT／BIH心电数据库验证,R波的检测率可达99．74％。     

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%。     

改进的两层BiLSTM的心电信号分割方法

心电信号的分割方法可以有效地反映运动员的心脏功能和身体机能状况.通过人工对心电信号的手动分割往往耗费大量的时间和精力.为了实现自动化的心电信号分割,本文提出了一种改进的两层双向长短期记忆网络(bi-directional long short-term memory, BiLSTM)的心电图分割算法,可以前向和后向分析时间序列,以检测和定位重要波段,如P波、QRS波群和T波.实验使用公开QT数据集进行验证,以模拟运动员在赛前的心电数据.在与LSTM,BiLSTM以及两层BiLSTM的对比实验中,本方法的所有评价指标均有所提升.其准确率达95.68%,召回率为91.62%,精确度为91.05%,特异性为96.64%,F1分数为91.41%.结果表明该方法对心电信号进行分割具有较好的效果.     

关于QT间期校正方法的探究

QT间期与心率(R-R)有明显的相关性,为比较不同心率时的QT间期,需对QT间期进行校正。Bazett的平方根校正公式QTc=QT/RR为目前最常用。近年来,有学者对这公式的精确性及适用性提出疑问,推出一些新的校正方法。比如佛明翰心脏研究中心推导出的直线回归方程QTC=QT+0.154(1-RR)。本文依据113例测量数据,分别从一元和多元的角度,应用统计学中回归分析的思路探究校正QT间期的公式,目的是找到较佳的校正方法,为心电图研究提供依据。     

小波分析和ECG信号的检测

利用小波变换能处理多尺度多分辨的特点,将心电信号进行多尺度分解,把不同频带的信号显现在小波分解各个尺度上。特征尺度上准确定位QRS波及T波的起始点,从而获得人体心电信号(ECG)中的QT间值。人体心电信号具有非平稳性和干扰多的特点,利用小波分析对心电信号进行处理能够获得精确的QT间值,为临床诊断提供了更加准确的依据。     

基于短时心电信号的疲劳驾驶检测算法

心率变异性分析是最常用的一种基于心电信号的疲劳驾驶检测方法.然而,该方法需要被检测信号时间足够长,且准确率较低.因此提出一种基于短时心电信号的疲劳驾驶检测算法.首先,按照30s的时长截取短时心电信号序列,利用差分阈值法确定R波位置,根据R-R间期差值大小剔除不合格的噪声样本;然后,计算R-R间期序列的时域/频域特征并与利用ImageNet数据集预训练的深度卷积神经网络模型提取的特征相结合;最后,设计了一种随机森林分类器并基于这些特征进行分类.结果表明,该算法在疲劳驾驶检测上具有良好的分类效果,平均准确率达到91%.因此,相较于心率变异性分析方法,本算法检测所需心电信号更短,且在准确率上具备显著优势.     

基于遗传优化神经网络算法的桥梁结构损伤识别

当前越来越多的大型桥梁结构安装了健康监测系统,作为桥梁健康监测系统的核心,结构损伤识别技术成为研究热点.基于人工神经网络和遗传算法的优点,提出了一种新的方法——遗传优化和神经网络混合算法(用遗传算法优化神经网络的初始权重,)实现桥梁结构损伤的位置和程度的识别.与传统的人工神经网络算法相比,该方法克服了其易于陷入局部最优的缺点.对工程实例梁的试验数据进行分析和结构损伤状况识别,结果表明,该算法的可行性和可靠性,可以应用于类似结构损伤的识别与评价.     

穿戴式心电信号伪差识别算法的研究及应用

针对穿戴式心电监测设备普遍存在的运动和设备伪差问题，提出了基于心电幅度突变度和突变分布连通性、变换后心电极大极小值对凌乱度，以及异常心搏特征等设计的伪差识别组合算法.通过在心电自动分析三个关键环节嵌入组合算法实现伪差识别，并选择了3种设备4种数据样本进行算法验证.结果表明，组合算法伪差识别灵敏度可达98.35%，可将QRS检出正确率提高3.08%，且并未增加心电自动分析运算时长，算法不依赖特定硬件设备，可应用到各类穿戴式设备的心电数据分析中，具有普适且高效的特点.      

心室晚电位识别的一种方法

论文采用小波包分析和人工神经网络相结合的方法完成对心室晚电位的识别。首先利用小波包分解技术提取心电信号的特征，将不同频带子信号的能量作为心电信号的一组特征值，然后采用径向基函数网络实现对晚电位的分类。经过对28例3导信号平均心电图实验数据的处理，取得了较高的识别准确率。     

QRS波群检测中的二次B样条小波变换算法

针对目前心电信号检测中准确度不高以及适应性不强的问题,提出了一种基于二次B样条小波,结合二分搜索算法和圆弧逼近曲线算法的QRS波群检测算法。首先对心电信号用二次B样条小波经Mallat算法分解,在二分搜索法调整阈值和模极大值检测R波的基础上,再用基于最小二乘圆弧逼近曲线算法检测T波与P波。最后用MIT-BIH数据库的数据验证了该改进算法增强了R波检测的适应能力,提高了T波与P波的检测准确度。仿真实验表明该改进算法可以有效地提高心电信号自动检测能力。     

强海杂波背景条件下海上目标检测方法

为了减少展宽的一阶海杂波谱对空间超分辨谱估计技术的影响，提高MUSIC算法的检测性能，用径向基神经网络实现海杂波预测和对消．利用神经网络的可对任意非线性函数模拟的特性，对展宽的海杂波进行模拟，用模拟后的结果实现一阶海杂波的对消，来满足MUSIC算法的应用条件．最后用MUSIC算法分辨海上目标的方位信息．实验结果表明，对消前后目标背景噪声子空间特征值发生改变，对消后更接近于MUSIC算法的假设条件，提高了MUSIC算法的检测性能，扩大了MUSIC算法的应用范围，实现在非高斯噪声背景条件下应用MUSIC算法检测目标．确定最小的相空间维数和时间间隔，采用更先进的神经网络算法，可以提高神经网络的预测速度．     

基于文化算法的PCNN自动系统的研究

脉冲耦合神经网络作为当前智能领域研究的热门课题,其多个参数的设置给实际应用造成很大的困难.而文化算法作为新型的进化算法,具有对参数自动寻优的优势,为此,提出一种基于文化算法的脉冲耦合神经网络的自动系统,并通过将其应用于图像分割,将分割结果与经典OTSU阈值分割法比较,验证了该方案的正确性与可行性.     

基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法

文章提出了基于旋转电弧传感器的NU-SVR水下焊缝偏差识别算法。Nu-SVR通过对基于旋转电弧传感器采集到的不同偏差的水下焊接信号进行学习,然后对水下电流信号进行焊缝偏差识别得出偏差。相对于传统的回归算法-区间积分法和神经网络法,本算法具有具有更好的识别能力。最后通过水下焊接实验,其最大的识别误差仅为0.48mm,证明了该方法十分有效。     

FCNN深度学习模型及其在动物语音识别中的应用

为解决使用语音信号准确识别动物以保护和研究野生动物的问题,提出一种全连接算法与稀疏连接算法相结合的全卷积神经网络(FCNN: Fully Convolutional Neural Network),用于语音的自动识别.利用全连接算法提取更多的组合特征,稀疏连接算法筛选重要特征可加快收敛速度.同时给出了具体的模型结构及算...