神经网络自适应共振理论应用于心电图QT间期自动检测的研究

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/BIHArrhythmiaDatabase)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 .对比结果显示 ,我们的算法对单路心电波形自动检测的准确度与通常手工测量具有可比性 ,充分体现了人工神经网络的优越性 ,在要求自动检测大量数据的场合具有显著的应用价值 .     

用于图象增强的侧抑制网络模型的仿真比较

侧抑制原理及侧抑制网络在工程上有着广泛的应用，在用于图像增强方面，需要从侧抑制网络模型，抑制系数分布、抑制野范围三方面考虑，选择合适的模型和参数，从而达到 突出边框，加强反差的效果，根据侧抑制数学 模型的分类规则，本文基于前人根据生理实验建立的数学模型综合出一种新的模型并选择双峰高斯曲线作为抑制系数分布函数，通过对这些模型及参数的计算机仿真实验，比较了它们在网络运行速度及边框突出程度方面的差异。     

ART2网络在心电特征点自动检测中的应用

研究了ＡＲＴ２网络的运行状况和特点,并对它作了相应的调整使它适合于进行心电波形的分类。