实时动态心电监护系统

本文介绍了一种用微处理器控制的实时动态心电监护系统,采用数字滤波消除干扰和噪声,用差分法识别 QRS 波起点、终点和 R 波顶点.由 RR 间隔和 QRS 波宽等特征参数判别心电异常,实现实时自动监护,并对异常心电进行分类、存贮模板心电波形,统计发生次数.用微型描绘打印机回放存贮的模板波形和统计表.最后给出临床应用结果.     

DXJ－2型心电检查／监护两用仪的研制

介绍一种便携式电视显示心电检查／监护两用仪。仪器将心电信号变换为视频和射频信号，可在普通电视屏幕上显示双线实时滚动或冻结的心电波形以及坐标网格，并具有ＱＲＳ波检测、心律判别、自动冻结、报警和１６次记忆等功能。     

一种综合的心电数据压缩方法

综合运用ＤＣＴ变换和模板匹配两种数据压缩方法，对心电信号中高频成分丰富但形态相对规则的ＱＲＳ波采用模板匹配，对其余低频分量的部分用ＤＣＴ变换，得到了很好的保真度和高的压缩比。     

基于自适应小波变换的QRS波检测算法

提出了一种新的心电ＱＲＳ波检测算法,该算法用心电信号的小波变换作为自适应白化滤波器的输入,然后对白化滤波后的输出进行匹配滤波和阈值检测来识别出ＱＲＳ波．用ＭＩＴ心电数据库对该算法进行了评估,并与其他几种算法的结果进行了比较,表明此算法在ＱＲＳ检出率和计算速度上都有一定的改善．     

一种检测与分析心电波形的算法

介绍了心电图波形自动识别的软件设计,着重讨论了用特征识别法对心电图波形进行检测,并提出了自学习算法,最后给出了１０种常见的心律失常的判别准则．所有软件均用８０９８汇编语言编制完成．实验表明,本软件对提高ＱＲＳ波检测率及一些基本心律失常的诊断具有良好的效果,适用于心电自动监护系统．     

基于自组织联想小波神经网络的QRS波聚类方法

介绍一个由小波变换和神经网络结合的自组织联想神经网络模型,它可用在心电信号的自动分析中对ＱＲＳ波进行聚类．还对算法实现中的一些具体问题及详细的编程步骤进行了讨论．用ＭＩＴ心电数据库对此算法的性能进行评估的结果表明,此神经网络对ＱＲＳ波具有较高的分类精度,尤其适合于室性早搏等异位心搏的检测．     

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。     

家用移动智能心电监护系统设计

心电监护是心脏病防御的重要依据,基于穿戴式传感检测和蓝牙技术,设计了一种家用移动智能心电监护系统。系统采用HKD-10L蓝牙心电传感器采集心电数据,发送到Android终端实时地画出心电图,基于特征点分析,进行心电异常诊断,通过网络将心电数据和诊断报告上传至云服务中心,方便日后查询与医生实时在线复诊。设备搭建方便,成本低廉,用MIT心电数据库进行测试,心电波形分析正确率达95.5%。     

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%。     

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%。     

基于高斯混合模型的标准心电波形筛选

针对基于心电信号身份识别中,由于随机选取的心电波形不完整(如T波缺失、R波缺失等)、变形等而影响身份识别准确率的问题,提出基于高斯混合模型的心电波形筛选方法.该方法将信号发生器产生的标准的心电信号切割成单心动周期,提取每个心动周期幅值、斜率、弧长及面积等46个特征,建立单心动周期标准心电波形的高斯混合模型,通过计算马氏距离判断某心电波形是否符合标准心电波形的高斯模型分布,实现具有明显PQRST特征的心电波形筛选.该方法在52人实际采集心电数据和ECG-ID数据库上分别进行了三组实验,不完整波形的平均拒绝率分别为97.87%、98.69%,能够有效挑选出完整的心电波形.     

一种从母体腹部电极心电信号中检测胎心R波的算法

母体腹部电极心电法通过放置在孕妇腹部的电极片无创检测胎儿心电信号.但腹部无创检测采集的是包含胎儿心电、母体心电及噪声的混合信号,且母体心电信号的幅值远大于胎心信号.基于此问题,提出从母体腹部心电信号中检测胎儿R波的高效算法.该算法避免对腹部信号建立复杂的模型,通过最小化误差函数,自适应地滤除母亲心电信号的波形,以获得较清晰的胎儿心电波形.再经过基于聚类的胎儿R波尖峰检测以及精筛选的步骤,获得正确的胎儿R波尖峰.该算法使用PhysioNet Challenge 2013的腹部心电数据集Set-a进行测试.测试结果中,胎儿R波尖峰提取的平均灵敏度为88%,平均阳性检测率为88%.由于不涉及复杂的计算,该算法运行时间短,效率高,处理持续时长为60s的腹部信号平均用时2.64s,很适合用于可穿戴设备中心电信号的实时检测.     

单片机心律失常监护仪

在心电信号ECG中R波幅值最大,变化率最快。因此,对心电信号的处理首先在于准确地检出R波,为此对原始的心电波形进行一次差分,以进一步突出R波。在监护之前,先经过8s自学习,以确定为检出R波所需的差分阙值,把心电波形与阈值比较,就可确定R波位置,进而确定和计算复合彼QRS的位置和宽度、瞬时心率等心电特征量,为一些常见的心率失常的判别奠定基础。根据对心脏停搏、心动过速、心动过缓、漏搏、室性早搏等的判别式,当出现心律失常时,进行显示和报警。     

脉动燃烧干燥实时测试分析系统

介绍了自行开发的脉动燃烧干燥实时测试分析系统。采用半无发管和导管引出被测介质与压力传感器连接的方法,解决了高温及谐振波影响测量精度的问题。以Ｃ＋＋作为软件开发工具,编制了数据采集系统软件,实现了多通道实时采集、波形显示、状态检测、频谱分析、数据存贮和打印等功能。     

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％。     

不同月龄Beagle犬的心电图研究

对不同月龄的６６只健康Ｂｅａｇｌｅ犬采用３％戊巴比妥钠麻醉，进行了９个导联的心电图描记和分析。结果表明：健康Ｂｅａｇｌｅ犬为窦性心律：３０月龄以下育成犬心律平均为１７３．８次／分，种用犬（５０月龄以上）心率平均为１３１．７次／分；二者经统计学处理，有极显著差异。Ｐ波间期平均为０．０５１±０．０１３Ｓｅｃ。Ｐ波振幅平均０．０６１ｍｖ，Ｐ波直立在导联中占９２．６％，在ａＶＲ导联中Ｐ波倒置率９８．７５％；ＱＲＳ波间期均值为：０．０２７±０．００５Ｓｅｃ。在Ⅱ导联中范围为０．０２－０．０４Ｓ－ｅｃ。在各导联中，Ⅰ导联以ｒ波为主（５１．８５％），Ⅱ导联以Ｒｓ波多见（５０％），Ｑｒ波和ｑｒ波在ａＶＲ导联中出现较多（３８．８９％，３１．４８％）。Ｔ波在Ⅰ、Ⅱ、Ⅲ、ａｖＦ、Ⅴ１、Ⅴ２、Ⅴ３导联中直立为主，在ａｖＬ导联中倒置多见（８９．２％，７３．１％）。Ｔ波方向与ＱＲＳ波一致。Ｔ波振幅平沟０．１３７ｍｖ。Ｐ－Ｒ间期范围在此０。０７５－０．１４０Ｓｅｃ。在９个导联中，无明显Ｓ－Ｐ段偏移。Ｐ－Ｐ间隔＜０．０１Ｓｅｃ。     

BLT-600型多参数监护仪

该产品是一种可广泛应用于麻醉手术期及重症监测病房的多参数监护仪器产品。在国内首先采用总线结构与模块化设计,可将心电波形、脉博容积波形、呼吸波形、心率、呼吸率、血氧饱和度、无创血压、体温等监测参数进行组合构成功能不同的四种型号仪器,可满足临床需要。同时监测心电、呼吸、无创血压、脉搏、血氧饱和度、体温大屏幕亮液晶显示存贮60小时趋势图外接数字波形记录仪,成人、婴儿均可适用该产品操作方便,外形美观,波形和测量数值     

基于68HC05的心电OEM模块设计

介绍用Ｍｏｔｏｒｏｌａ公司的８位ＣＭＯＳ单片机ＭＣ６８ＨＣ０５设计的心电ＯＥＭ模块,它以２００Ｈｚ速率采集标准的Ⅰ、Ⅱ、Ⅲ导心电,能通过串行口接受主控模块的命令,以数据包的形式送出心率、心电波形和状态信息,控制程序用Ｃ语言编写,具有尺寸小、成本低和功耗低等特点．     

线性相位数字滤波器在ECG波形分析中的应用

本文提出了用于心电波形分析的几种线性相位数字滤波器的设计方法,它们分别用于滤除ECG基线漂移和工频干扰、QRS波、P波和T波的检测。     

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。