基于Ⅰ导联ECG的心肌梗死特征提取EI北大核心CSCD

提出了基于ECG导联Ⅰ的单周期信号的心肌梗死特征提取算法,避免了利用多导联ECG检测心肌梗死带来的不便。首先对导联Ⅰ的ECG信号进行去噪处理;然后,引入小波包算法提取QRS波群、T波的主频带,重构QRS波群、T波的波形并确定ST段的始末位置;最后,运用小波的多分辨分析对ST段进行分解并提取导联Ⅰ信号的心肌梗死的特征波形。实验结果表明,本文算法具有较高识别率,这为ECG导联Ⅰ信号用于心肌梗死的检测与诊断提供了依据。     

一种改进的模板匹配算法及其在ECG波形识别中的应用

基于相关系数的模板匹配算法无法区分波形信号f(t)与nf(t),因为模板p(t)与f(t)和nf(t)之间的相关系数相等。本研究提出一种改进的相关性算法,使得模板与信号进行匹配运算后得到的系数c∈[-1,1],并且只有在p(t)=f(t)时c值为1。利用此方法分别对ECG的R波和T波进行识别,可准确地区分R波和T波,并可确定模板波形的检测点。此方法与基于相关系数的模板匹配算法相比具有较好的波形检测特异性,可应用于各个领域的波形识别。     

R波相关振动法血压测量

为了提高振地血压测量的准确性，提出了一咱基于心电Ｒ波与血压振动波之间相关性，识别振动信号的一种抗干扰方法＝－Ｒ波相关法，结合振动波形特征识别，该方法可有效地提取信号，消除干扰影响，该算法已在１６位８０９８单片机上实现，本文同时给出了程序的详细流程图。     

基于EMD与IMF分量统计特性的ECG去噪

经验模式分解（EMD）域内心电（ECG）信号的去噪,通常为基于QRS特征波经验性识别固有模态函数（IMF）分量并重建ECG信号。由于该方法引入个人误差,因此识别不准确。针对此问题,本文提出利用EMD与IMF分量统计特性对ECG信号进行去噪。本方法首先对含噪ECG信号进行EMD分解得到一系列IMF分量,然后利用IMF分量的统计特性识别IMF分量属性,并采用被识别为ECG信号的IMF分量重建ECG信号。该识别方法基于统计学方法,具有统计学和现实物理意义。将本方法应用于真实ECG信号去噪处理中,结果表明,本方法可有效去除ECG信号基线漂移噪声与肌电干扰噪声,去噪效果优于经验法。     

基于稀疏分解的心电信号波形检测及形状识别

为对心电信号进行波形检测和形状识别，解决心电信号自动诊断的重点和难点，在稀疏分解的理论基础上，构造符合心电信号特点的超完备字典，基于此字典，利用匹配追踪算法对心电信号做稀疏分解。根据稀疏分解所得解向量及与解向量在字典中对应的原子找出心电信号的特征波的起点、终点、峰值点等，最终实现心电信号的几种特征波的波形检测及形状识别。实验证明该算法的QRS波群检测率为99％，P波、T波检测率为85％，对P波和T波的形状识别符合人的主观判断。这些检测和识别结果为心脏病的自动诊断提供了依据。     

基于ECG频带特征的身份识别

目的：心电图作为活体的生理信号,可以方便的从手指中提取,具备易采集、难复制的特点。因此,本文提出了基于单导联ECG频带特征的身份识别方法。方法：文中首先对单周期ECG进行小波包变换,提取各子带的波形与能量,并将子带能量、ECG波形、子带波形作为分类特征;然后,引入DTW算法确定待测数据与模板之间的ECG波形、子带波形的最优匹配距离,同时提取待测数据与模板之间的子带能量比值与差值,为上述参数设置合适阈值并进行身份识别。结果：当测试数据与模板取自同一样本时,同频带的子带能量、ECG波形、子带波形差异较小,所以同一子带能量之比接近于1,同一子带的能量之差与波形的匹配距离接近于0。反之,上述参数差异较大,这为ECG提供了良好的分类特征。结论：将ECG用于身份识别,识别装置的硬件成本低,并且用于识别的信号难以窃取,是一种比较安全的身份识别手段。实验结果表明,相较传统算法,本文提出的方法具有较高识别率,这为ECG身份识别提供了一种新的方法。     

基于波形时域特征和动态差分阈值的脉搏波传导时间检测算法EI北大核心CSCD

针对传统脉搏波传导时间(PTT)检测方法对脉搏波(PPG)信号幅值变化敏感、计算量大等问题,提出了一种综合波形时域特征和动态差分阈值的PTT检测算法。采用动态差分阈值检测心电(ECG)信号R波,根据波形时域特征缩短脉搏波信号主波检测区间,利用R波检测脉搏波信号主波,从而计算PTT。利用美国麻省理工学院MIMIC数据库和实验室实测数据对上述算法进行验证。结果表明,该方法能够准确地提取特征点并检测出PTT,对实测和数据库样本的PTT检测准确率分别为99.1%和97.5%,效果优于传统检测方法。     

基于波形时域特征和动态差分阈值的脉搏波传导时间检测算法

针对传统脉搏波传导时间(PTT)检测方法对脉搏波(PPG)信号幅值变化敏感、计算量大等问题,提出了一种综合波形时域特征和动态差分阈值的PTT检测算法。采用动态差分阈值检测心电(ECG)信号R波,根据波形时域特征缩短脉搏波信号主波检测区间,利用R波检测脉搏波信号主波,从而计算PTT。利用美国麻省理工学院MIMIC数据库和实验室实测数据对上述算法进行验证。结果表明,该方法能够准确地提取特征点并检测出PTT,对实测和数据库样本的PTT检测准确率分别为99.1%和97.5%,效果优于传统检测方法。     

基于心电信号的脉搏波形特征点提取

为寻求一种精确的脉搏波特征提取方法,提取更多的脉搏波形特征,揭示心电脉搏在时域上的相关性,使用MP425数据采集卡和LabVIEW构成的数据采集系统同步采集ECG信号和脉搏波信号,对ECG信号和脉搏波信号进行分析和处理,采用能量算子法检测心电信号R波;基于同步采集的ECG和脉搏波信号,提出一种应用ECG信号的R波和T波来提取Pulse wave的重搏波和峰值的方法.经过分析与实验验证,该方法能准确找到脉搏波波峰和重搏波位置,并具有较强的抗干扰能力,为研究心电脉搏之间的关系提供了一种新的方法.     

一种基于多特征的P波检测方法

由于P波一般为低频低幅波,容易受到基线漂移,肌电干扰等噪声影响,且不是每个心拍都包含P波,确定某一心拍有无P波也是一难题,针对小波-幅值-斜率的方法对多样形态P波适应的局限性,以及小波变换结合神经网络检测方法中选取伪P波样本的局限性,本文提出了基于小波-幅值阈值并以多特征作为神经网络的输入的P波检测方法,该方法首先利用小波变换对心电(ECG)信号进行去噪,然后利用小波变换求模极大值对的方法确定候选P波的位置,接下来利用幅值阈值初步判断有无P波,最后利用神经网络确定心拍有无P波。本文经由专家注释的QT心电数据库对该算法和传统的小波阈值法及基于小波-幅值-斜率的方法检测ECG信号P波的效果进行了对比,验证了本文提出的算法的可行性,对医院心电科记录的ECG信号进行了检测,其结果与医生的标注基本相同,并对QT数据库中的13份且每份15min的ECG信号进行了检测验证,P波正确检测率达到了99.911%。     

基于提升小波变换和多种策略的QRS波检测算法

目的：为了提高计算机处理心电信号的速率和精度,提出了一种基于提升小波变换,结合多种策略的QRS波检测算法。方法：首先采用基于阀值的提升小波去噪方法去除心电信号中的高频白噪声和低频基线漂移;再对处理后的心电信号进行提升小波分解,得出各层逼近信号和细节信号,在第3尺度上采用模极大值阀值法对R波进行检测．找出备选的R波,同时采用几何的方法定位Q波和S波及QRS波起点和终点;最后采用补偿法、波宽法及QRS波时长法对QRS波群进行纠正。结果：本文算法在时域心电图上实现了QRS波的准确定位．提取了心电图的QRS波段。通过MIT—BIH数据库验证,本算法具有很好的表现。结论：实验结果表明,相比传统的算法,本文采用的提升小波和多种策略的检测算法．能有效的检测QRS波,为心电信号的自动识别奠定了基础。     

心电图自动诊断系统的研制

本文利用数字信号处理和波形识别技术，对心电图的ＱＲＳ波、Ｐ波、Ｔ波的时段进行了计算机的自动检测并对室性期前收缩等１５种异常心电进行自动诊断。打印输出相应的诊断报告。为了检验本系统的稳定性和可信度，本文还利用美国麻省理工学院的ＭＩＴ－ＢＩＨ数据库对本文所使用的方法进行了检测，取得了较好的效果。     

一种基于多层感知器的房颤心电图检测方法

目的:提出一种基于多层感知器（MLP）的新型房颤识别算法。方法:首先设计一种新型自适应的R波阈值检测算法,然后以R波位置和幅度为特征,MLP为分类器进行正常/房颤心电图识别。MLP的网络参数采用深层置信网络预训练算法进行初始化,最后用误差反向传播算法对MLP网络权重进行调整。结果:在单通道心电图数据集上对正常、房颤心电信号进行分类,本研究方法的灵敏度达96.00%,特异性为84.18%,平均识别率为90.09%。结论:这种基于MLP的心电识别算法准确率高、计算复杂度较低,可为房颤的智能诊断提供一种新方法。     

基于改进U-Net模型的心电波形分割

基于U-Net框架提出一种新的算法用于心电波形的分割。该方法将一定长度的心电信号作为输入，输出P波、QRS波和T波的分割图像，同时定位各个特征波的起始点和终止点，创新性地提出了多通道空洞卷积加上注意力机制的模型结构，并设计了一种数据增强公式用于增加数据的多样性。本研究提出的方法在LUDB上进行训练测试，在QTDB上验证算法的泛化能力。实验结果表明，所提的算法在LUDB的平均灵敏度、平均阳性预测率、平均F1分数分别为99.41%、98.90%、98.75%；在QTDB的平均灵敏度、平均阳性预测率、平均F1分数分别为98.65%、98.43%、98.23%，这说明本文算法效果更好，并具有优异的泛化性能。     

基于改进小波阈值算法的ECG肌电信号去噪研究

为了解决传统软、硬阈值算法对肌电信号去噪后心电图（ECG）信号幅值降低和存在局部异常尖峰,导致去噪效果较差的问题。通过研究小波阈值算法的去噪原理和优化规则,基于双曲正切函数构造出一种具有连续性、结构简单、灵活性较高的可调阈值函数和改进的分层阈值,并分析得到小波分解含噪ECG信号的最佳小波基函数和分解层数,提出了一种改进的小波阈值算法。将软、硬阈值算法、相关文献中的阈值算法和本文所提改进阈值算法对含有真实肌电信号噪声的ECG信号进行去噪对比研究。实验结果表明：本文改进阈值算法能较好地去除ECG信号中的肌电信号噪声,并能更好地保持ECG信号波形特征,且Pearson相关系数值大于其他阈值算法。定性和定量结果表明,本文所提改进阈值算法对ECG肌电信号噪声具有较好的去噪效果。     

心电图各波的频率分析

本文利用European ST-T Datablase标准心电数据库,采用非参数模型的Welch功率谱估计方法进行人体心电成形的频谱分析,从一般的角度上指出心电图各组分波形的频范围和最大能量区域,这对于心电波形提取的硬件电路的设计以及各组分波形（P波、QRS波、T波）的识别算法具有一定的指导作用。     

The use of the Hilbert transform in ECG signal analysis

This paper presents a new robust algorithm for QRS detection using the first differential of the ECG signal and its Hilbert transformed data to locate the R wave peaks in the ECG waveform. Using this method, the differentiation of R waves from large, peaked T and P waves is achieved with a high degree of accuracy. In addition, problems with baseline drift, motion artifacts and muscular noise are minimised. The performance of the algorithm was tested using standard ECG waveform records from the MIT-BITH Arrhythmia database. An average detection rate of 99.87%, a sensitivity (Se) of 99.94% and a positive prediction (+P) of 99.93% have been achieved against study records from the MIT-BITH Arrhythmia database. A detection error rate of less than 0.8% was achieved in every study case. The reliability of the proposed detector compares very favorably with published results for other QRS detectors.     

Gaussian pulse decomposition: An intuitive model of electrocardiogram waveforms

This study presents a novel approach to modeling the electrocardiogram (ECG): the Gaussian pulse decomposition. Constituent waves of the ECG are decomposed into and represented by Gaussian pulses using an iterative algorithm: the chip away decomposition (ChAD) algorithm. At each iteration, a nonlinear minimization method is used to fit a portion of the ECG waveform with a single Gaussian pulse, which is then subtracted from the ECG waveform. The process iterates on the resulting residual waveform until the normalized mean square error is below an acceptable level. Three different minimization methods were compared for their applicability to the ChAD algorithm; the Nelder-Mead simplex method was found to be more noise-tolerant than the Newton-Raphson method or the steepest descent method. Using morphologically different ECG waveforms from the MIT-BIH arrhythmia database, it was demonstrated that the ChAD algorithm is capable of modeling not only normal beats, but also abnormal beats, including those exhibiting a depressedST segment, bundle branch block, and premature ventricular contraction. An analytical expression for the spectral contributions of the constituent waves was also derived to characterize the ECG waveform in the frequency domain. The Gaussian pulse model, providing an intuitive representation of the ECG constituent waves by use of a small set of meaningful parameters, should be useful for various purposes of ECG signal processing, including signal representation and pattern recognition.