基于LabVIEW的心音信号采集与回放系统设计

目的:通过wav格式心音信号的回放,还原心脏跳动音,解决传统听诊器听诊心脏跳动音弱的缺点.方法:基于PLabVIEW8.6开发平台,设计了心音信号回放系统,以电脑声卡的形式清楚地播放心脏跳动音.结果:通过对正常人和二尖瓣狭窄患者的心音信号进行回放,从心脏跳动音和心音图上都能够表现出明显的差异.结论:实验结果证明该方法能直观有效的区分正常和异常心音,解决了传统心脏听诊存在的主要问题,有助于心脏病的辅助诊断.     

基于LabVIEW的咏搏信号检测与分析系统的设计

目的开发一套脉搏信号检测与分析系统。方法利用虚拟仪器软件LabVIEW的数字信号处理函数和数学软件Matlab工具箱中的小波函数研究分析脉搏信号。结果该系统能够采集、存储、显示和处理人体脉搏信号。系统经临床初步试用，取得良好效果。     

基于小波变换的脉搏信号分析仪的设计

脉搏信号中含有丰富的人体生理信息,对心血管疾病的预防和诊治有着重要的指导作用。本文采用COM组件技术将基于小波变换的脉搏信号去噪和特征提取MATLAB算法程序无缝集成到LabVIEW中,实现了虚拟脉搏信号分析仪的设计。实验结果证明该分析仪采用的自适应阈值小波消噪方法的消噪效果优于传统的软、硬阈值法,提取的脉搏信号各尺度能量值可以用来作为区分心血管疾病患者和正常人群的特征值,扩展的网络传输功能经实际应用具有非常实用的价值。     

基于周期提取的心音分段方法

目的心音分段是心音分析的基础,传统方法是利用心音基本成分进行识别,而病变的心音信号中含有的杂音使识别受到干扰,易产生误分段。本文提出了基于周期提取的信号分段方法,可以避免对心音基本成分的识别。方法以虚拟仪器Lab VIEW为开发平台,首先利用小波变换对原始心音进行去噪预处理,然后利用快速Hilbert变换提取心音包络,再利用其自相关分析函数求出心动周期,进而从原始心音信号中提取整周期的信号,避免对心音基本成分的识别。结果对30例心音信号做实验验证,得到的心动周期长度能够直观显示,正确率达98%以上。结论作为一种无需识别心音基本成分的分段方法,此方法为后续的特征提取等研究打下了坚实基础。     

基于BP神经网络的骨质疏松疾病的诊断分类研究

目的：有效降低骨质疏松诊断误诊率,经过诊断分类,使诊断过程方便、快速、准确。方法：采用BP神经网络理论构建骨质疏松诊断分类模型,对骨质疏松诊断指标体系进行分析,并根据该指标体系设计BP神经网络系统,利用人工神经网络的计算功能对兰州军区总医院骨科大量病例的实际数据进行样本训练和测试,使得模型误差控制在预定范围内。结果：对大量病例训练BP网络后得到的测试结果是在误差预定的范围内,最后通过实例验证了该方法的可行性和准确性。结论：用BP神经网络诊断骨质疏松病情是可行的有效方法。目的：有效降低骨质疏松诊断误诊率,经过诊断分类,使诊断过程方便、快速、准确。方法：采用BP神经网络理论构建骨质疏松诊断分类模型,对骨质疏松诊断指标体系进行分析,并根据该指标体系设计BP神经网络系统,利用人工神经网络的计算功能对兰州军区总医院骨科大量病例的实际数据进行样本训练和测试,使得模型误差控制在预定范围内。结果：对大量病例训练BP网络后得到的测试结果是在误差预定的范围内,最后通过实例验证了该方法的可行性和准确性。结论：用BP神经网络诊断骨质疏松病情是可行的有效方法。     

基于LabVIEW和MATLAB的骨质疏松疾病诊断系统的研究

目的:建立可完善可更新功能的骨质疏松疾病诊断系统,使诊断过程方便快速准确,从而使骨质疏松诊断误诊率有效降低。方法:采用LabVIEW中的工具包LabSQL对Microsoft Access专家数据库进行访问,再通过BP网络对兰州军区总医院采集的病例数据进行样本训练,用训练后的BP神经网络对LabSQL传过来的病人数据进行分析,将得到误差小的诊断结果通过LabSQL存到专家数据库中,从而使专家数据库得到完善和更新。结果:对大量病例进行测试结果是在误差预定的范围内,通过实例验证了该方法的可行性和准确性。结论:基于LabVIEW和MATLAB诊断骨质疏松疾病是可行的有效途径。     

基于LabVIEW的脉搏信号检测与分析系统的设计

目的 开发一套脉搏信号检测与分析系统.方法 利用虚拟仪器软件labVIEW的数字信号处理函数和数学软件Matlab工具箱中的小波函数研究分析脉搏信号.结果 该系统能够采集、存储、显示和处理人体脉搏信号.系统经临床初步斌用,取得良好效果.     

基于Cohen类时频分布的心音信号分析

目的：通过心音信号的能量图谱分析,区分不同的心音,为心脏病的治疗提供辅助诊断。方法：以LabVIEW8.6为开发平台,利用Cohen类时频分布,绘出心音信号的能量图谱。结果：通过对正常人和二尖瓣狭窄患者的样本进行分析,在时频能量图谱上能够表现出明显的差异。结论：分析结果证明,该方法能有效地区分正常和异常心音,并揭示出心音频率成分随时间的变化过程,有助于心脏病的辅助诊断。