脑电棘波识别和噪声消除的小波变换方法

研究了利用二进小波变的的模极大值识别脑电信号奇异点如棘波和消除噪声的方法，该方法在较好保留原脑电信号奇异信息的同时能有效地消除噪声，进一步讨论了信号与白噪声的奇异性指数的区别，以及小波变换模极大值沿各变换尺度传递的不同特性，并利用该特性区分信号中的奇异点和噪声，能准确识别奇异点的位置，这种奇异性识别技术在信号的特征提取和消除噪声方面有广阔的应用前景。     

Lipschitz指数与室性波的识别

根据小波变换的理论,信号的奇异点对应于其小波变换的一个正模极大值与负模极大值对.采用二次样条小波对心电认号进行小波分解,将心搏分为室上性心搏和室性心搏.根据Lipschitz指数的理论,提出小波变换各个尺度上的极大模值增大或Lipschitz指数大于零是确定室性QRS波的一个重要指标.使用这个指标,可正确的识别QRS波群宽度小于120ms的室性QRS波.     

基于小波变换的颜色视觉诱发电位检测去噪研究

为了提高检测的效率，将基于小波变换的信号分析方法引入到颜色视觉诱发电位（Visual evoked potential，VEP）的检测中，提出了基于多尺度条件下小波变换模极大值分布图的重建VEP信号的方法。该方法对初始采集信号采用Mallat快速算法进行离散小波变换得到模极大值分布图。根据信号噪声的Lipschitz指数特性进行去噪。最后按照POCS（Projections onto convex sets）方法进行信号的重建。仿真实验结果表明该方法对VEP信号的去噪效果比较理想。同时该方法极大地降低了测试次数。因此该方法与现有临床的叠加方法相比有明显的优披件．     

用小波变换的模极大值提取胎儿心率的方法

对胎儿监护的主要方法是监听胎儿心率,而超声多普勒测量胎儿心率是一种很好的无创方法.但是,由于测量得到的原始信号成分非常复杂,干扰严重,从而使其对胎心率的提取造成很大困难.本文利用小波变换系数的模的平方值与信号奇异性指数之间的关系,从超声回波信号中提取出了胎儿的心率.由于噪声的小波变换系数随尺度的增大而减小,因此,该方法具有较高的抗干扰能力.通过模拟仿真和实际信号处理,证明该方法能准确地从超声多普勒信号中提取胎心率信号.     

癫痫脑电信号的奇异性研究

基于小波变换模极大值在多尺度上的变化,研究了癫痫脑电的奇异性,并用Lipschitz指数来表征.提出了一种高阶统计的方法来研究癫痫脑电的高阶奇异谱特征,并和健康脑电进行比较.实验结果表明,癫痫脑电的Lipschitz指数和高阶奇异谱与健康脑电相比存在明显的差异,说明该方法对研究脑电是有效的.     

用奇异性检测技术提取诱发电位

本文介绍了用 小波变换模极大 值检测信号奇 异性的方法， 讨论了 信号与 白噪声 的小 波变换 和奇 异性指数之间区 别，模极大值沿 尺度 传递 的不同 特点 ，并 利用它 们的 区别 消除 诱发 电位 信号 中的噪 声，重 构出消 噪后 的信号， 取得 了较好 的效果 ，利用 较少的 刺激 次数就 可获取 诱发电 位信 号，有 效地提高 了信 噪比，大 大减 少了迭 加次数 ，特征 波的潜 伏期 及幅值 容易辨 认，易 于测量 ，且无 信号 失真。奇异性检 测技术有望成为 临床实用的诱 发电位提取 技术，并 可应用 于其他 生物 医学信 号的 消噪。     

一种基于多尺度分析的CT图像边缘检测方法

为了准确提取CT图像中解剖组织几何形态特征,提出了一种基于多尺度分析的CT图像边缘检测方法。本文应用多尺度分析中含有尺度因子的平滑函数的负导数作为小波,对CT图像实施小波变换,并检测小波变换的模局部极大值,完成基于模局部极大值的解剖组织轮廓特征表达。本文还讨论了一种模局部极大值点的简单筛选方法,针对CT图像噪声较大的特点,以模局部极大值的均方根乘以一个与尺度有关的因子作为模局部极大值的阈值,在不同尺度上获得了清晰的边缘信息。阈值处理后的模局部极大值图表明,不同尺度下的边缘检测能给出大小不同的物体的边缘信息。本方法能在有效抑制噪声的基础上,准确提取感兴趣解剖组织的几何轮廓特征。     

基于小波变换的R波奇异性分析的研究

奇异性是生物信号的基本特征。依据小波变换模在多尺度上的变化特征,研究了信号奇异性分析的基本定理,在此基础上提出了奇异度Lipschitz指数的估计算法,并将之用于心电图(ECG)的R波奇异性分析。研究发现,随机选取的10名健康受试者与10名心律不齐患者的ECG的R波的奇异性存在显著的差异,健康受试者的奇异性结果显著高于心律不齐的患者。     

ECG信号小波变换与峰谷检测算法的研究

本文在ECG信号检测过程中，将ECG信号在3尺度上的Haar小波分解的细节信号模极大值对检测与数学形态学峰谷检测相结合，提出了ECG信号小波变换与峰谷检测算法，该算法弥补了小波变换算法对ECG信号时域特征检测的不足，有效地提高了ECG信号检测的准确度。     

癫痫脑电棘波的小波变换模极大值对检测方法

本文首次将对小波变换模极大值对检测信号奇异点的理论应用于癫痫脑电信号,对棘波进行检测。采用二进样条小波脑电信号按Ｍａｌｌａｔ算法进行变换,分析含有奇异点的信号,即棘波,与其小波变换模数大值对的关系,对棘波进行识别。     

基于声门闭合时刻估计的声调的提取

利用小波变换模极大值点同信号突变点之间的关系，以及声门闭合时刻(GCI)引起语音信号锐变的特点，通过检测两个相邻GCI的距离来估计语音的基音周期，由此求出基音频率对时间的变化曲线(即声调曲线)。通过仿真，该方法提取声调准确，而且抗噪音的能力比较强。     

颈动脉波特征提取的小波变换分析方法

本文把小波变换应用于颈动脉波的特征提取，为检测ＣＡＰ上升支起点的降支重搏波切迹提出了一种新方法。文中讨论了利用小波变换的极值点和零交叉点检测信号的奇异点的原理，并给出了适当利用平滑信号在拐点处的斜率帮助检测ｕ点的方法。分析了表明，即使在严重基线漂移和强噪声干扰下，这一方面也能得到准确的检测结果。     

基于小波变换的异常心电信号S-T段检测

基于小波变换的各个尺度上模极大值，本文深入研究了异常心电信号尤其是梗死发生时S-T段的检测。同时分析了传统的用单一模极值线方法刻画QRS波群时所存在的不足，在此基础上提出了模极值线群的方法以解决复杂QRS波群结构下S-T段检测问题。并采用matlab对physionet的The PTB Diagnostic ECG Database中信号进行算法评估。实验结果表明，使用模极值线群的方法可以更好地适应梗死病发时S-T段检测的需要。     

基于小波和卡尔曼平滑的事件相关电位单次提取

本研究提出一种事件相关电位单次提取方法,可有效减少实验次数,并可探索实验之间ERP的变异性。此方法基于小波和卡尔曼平滑,首先利用小波变换考察ERP平均信号的时频特性,根据ERP不同分量出现的时间位置,在不同尺度上选取特定的单次实验ERP小波系数构成观测向量,其为真实ERP小波系数状态向量与噪声之和,然后对观测向量进行卡尔曼平滑,最后对卡尔曼平滑后的小波系数进行小波重构,得到单次提取的ERP信号。仿真实验表明,基于小波和卡尔曼平滑的方法不仅信噪比提高约16~18 dB,优于30次叠加平均、简单小波方法和基于高斯基函数的卡尔曼滤波方法,还可以跟踪ERP的幅度趋势变异性。与基于高斯基函数的卡尔曼滤波方法相比,所提方法降低了计算量。真实脑电ERP提取实验表明本方法较好地从单次记录中提取出了事件相关电位,并可解释ERP因适应和应激引起的趋势变异性。     

A wavelet-based spatially adaptive method for mammographic contrast enhancement

A method aimed at minimizing image noise while optimizing contrast of image features is presented. The method is generic and it is based on local modification of multiscale gradient magnitude values provided by the redundant dyadic wavelet transform. Denoising is accomplished by a spatially adaptive thresholding strategy, taking into account local signal and noise standard deviation. Noise standard deviation is estimated from the background of the mammogram. Contrast enhancement is accomplished by applying a local linear mapping operator on denoised wavelet magnitude values. The operator normalizes local gradient magnitude maxima to the global maximum of the first scale magnitude subimage. Coefficient mapping is controlled by a local gain limit parameter. The processed image is derived by reconstruction from the modified wavelet coefficients. The method is demonstrated with a simulated image with added Gaussian noise, while an initial quantitative performance evaluation using 22 images from the DDSM database was performed. Enhancement was applied globally to each mammogram, using the same local gain limit value. Quantitative contrast and noise metrics were used to evaluate the quality of processed image regions containing verified lesions. Results suggest that the method offers significantly improved performance over conventional and previously reported global wavelet contrast enhancement methods. The average contrast improvement, noise amplification and contrast-to-noise ratio improvement indices were measured as 9.04, 4.86 and 3.04, respectively. In addition, in a pilot preference study, the proposed method demonstrated the highest ranking, among the methods compared. The method was implemented in C++ and integrated into a medical image visualization tool.