基于分块扩展Infomax算法的胎儿心电分离

背景：胎儿心电是围产期对胎儿发育状况监测的重要参数,准确将胎儿心电从母体心电中分离出来是目前研究的重点。 目的：采用分块扩展Infomax算法能够快速、有效的将胎儿心电分离出来。 方法：利用分块扩展Infomax算法结合四阶统计去相关学习规则,使信号加权协方差阵的非对角元素最小化,改善算法收敛速度。 结果与结论：扩展Infomax能实现超高斯和亚高斯信号的同时分离,文章提出的算法在收敛速度上要快于扩展Infomax的收敛速度。扩展Infomax算法能对胎儿心电实现有效的提取,由于分块扩展Infomax算法每次处理的数据量远少于扩展Infomax算法处理的数据量,且分块Infomax算法的迭代次数也远小于扩展Infomax的迭代次数,从而实现了胎儿心电的快速分离。     

基于自适应线性神经网络的胎儿心电信号提取

胎儿心电信号提取对胎儿监护具有重要意义。本文介绍了一种基于自适应线性神经网络的胎儿心电信号提取方法。该方法根据母体心电信号与母体腹部信号的相关性原理,以母体心电信号为网络输入,母体腹部信号为网络目标,采用W-H学习方法获取的训练误差即为提取出的胎儿心电信号。此外,通过增加网络隐含层,对神经网络的结构进行改进,增加网络训练精度,从而得到更好的训练结果,提取出更易识别的胎儿心电信号。最后分别使用仿真数据和临床数据对上述方法进行测试,实验结果表明,利用自适应线性神经网络可以提取出胎儿心电信号,通过改进神经网络结构,可以提取出更为清晰的胎儿心电信号。     

一种基于单通道腹部信号的胎儿心电提取算法

设计一种基于单通道孕腹部信号的胎儿心电提取算法,分别提取出母亲心电和胎儿心电,并计算出母亲心率和胎儿心率。首先对单通道孕腹部信号进行k-TEO(k=19)变换,突出母亲心电的QRS波,从而通过简单的阈值法确定母亲心电的R波位置,接着通过在相邻R波间重采样以获得相同的R-R间期T,这样经过一个间隔为T的梳状滤波器就可以分离出相同R-R间期的母亲心电,然后再一次在相邻R波间进行重采样恢复原来的R-R间期就可以获得实际的母亲心电了。原始腹部信号减去上面提取的母亲心电后,胎儿心电QRS波的信噪比大大提高,通过再次应用提取母亲心电的算法即可得到“干净”的胎儿心电波形。选取Physionet数据库中的8 组(26 通道)孕腹部信号数据进行分析,计算每个通道数据的胎儿心电QRS波位置识别灵敏度、阳性检测率和准确性。结果表明,胎儿心电QRS波的识别准确率达到87.1%,其中有6 个通道达到100%。另外计算每个通道的母亲心率和胎儿心率并做统计分析,发现每一组中各个通道的母亲平均心率和胎儿平均心率都非常接近,同一组中各通道间母亲平均心率最大误差为0.1次/min, 而胎儿平均心率最大误差也只有0.9次/min,进一步证明算法的可靠性。     

一种改进的FastICA算法在胎儿心电提取中的应用

目的为了改进传统FastICA算法对初始权值较敏感的问题,本文提出一种基于超松弛因子改进的FastICA算法来提取胎儿心电。方法首先对Da ISy数据库中的母体腹部混合信号进行中心化和白化处理,去除信号间的相关性;然后在牛顿迭代算法中引入超松弛因子对随机产生的初始权值进行处理,再用改进FastICA算法提取胎儿心电;最后对胎儿心电信号的提取结果通过可视化的波形和量化指标进行评估。结果实验结果显示该算法平均迭代次数由改进前的55次降到15次,信噪比也得到提高,并且改进后算法提取出来的胎儿心电几乎不掺杂母体心电。结论基于超松弛因子改进的FastICA算法,在保持收敛速度的同时,放宽了对初始权值的要求,避免了收敛不平衡,减少了迭代次数,可以提取出比较清晰的胎儿心电。     

基于独立成分和小波分析的胎儿心电提取

背景：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,如何快捷与有效地提取出胎儿心电将成为重要的研究课题。 目的：采用结合独立成分分析和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。 方法：结合独立成分分析和小波分析的算法进行胎儿心电的特征提取,首先对含噪信号进行小波变换,去除奇异信号和非平稳随机信号,然后对小波重构后的信号运用快速独立成分分析算法进行成分分析。 结果与结论：在胎儿心电信号的采集过程中,会受到母体和其他噪声的强干扰,但这些信号都是随机的,不相关的,可以认为它们间是相互独立的。采用结合独立成分和小波分析的方法对来自于同一母体的观测信号进行独立分量分离,得到有效的胎儿心电。实验证明该方法是一种有效的方法。     

基于经验模态分解自适应滤波的胎儿心电信号提取

目的提出了一种基于经验模态分解自适应滤波的胎儿心电信号提取法。方法首先利用经验模态分解算法对孕妇腹部信号进行分解得到一组内模函数(IMF),然后将这组IMF作为自适应滤波器的主输入信号,并将孕妇胸部信号作为参考输入信号。通过学习算法自适应组合IMF,滤除母体心电信号成分,从而提取胎儿心电信号。结果与结论基于仿真和临床的实验结果表明,该方法提取的胎儿心电信号误差小,性能优于传统的最小均方和归一化最小均方自适应滤波算法。     

基于扩展卡尔曼滤波和奇异值分解算法的单通道胎儿心电提取方法

提出一种将扩展卡尔曼滤波(EKF)算法和奇异值分解(SVD)算法相结合的单通道胎儿心电提取方法。首先,建立母体心电的动态模型,利用该模型通过扩展卡尔曼滤波或扩展卡尔曼平滑(EKS),从孕妇的单通道腹部信号中估计出母体心电成分,然后与单通道腹部信号相减得到胎儿心电信号的初步估计,随后再利用奇异值分解算法,对初步估计出的胎儿心电信号进行去噪处理,以期得到高信噪比的胎儿心电信号。另外,针对胎儿心律不齐的情况,在奇异值分解算法中提出一种改进的心电信号重构矩阵构造方法。对合成腹部信号和实际腹部信号(源于DaISy数据库和PhysioNet中的非侵入式胎儿心电数据库,共计49个腹部通道的数据),进行胎儿心电提取实验。结果表明,使用EKF+SVD或EKS+SVD的算法比单独使用EKF或EKS的算法,提取出的胎儿心电信号的信噪比提高约5 dB,胎儿心电提取的准确性分别达95.60%和95.94%。结合EKF和SVD算法的单通道胎儿心电提取方法,可以有效地提高胎儿心电信号的信噪比和提取的准确性,并且适用于母体或胎儿心律不齐的情况。     

多导同步心电的独立成份分析

独立成份分析是伴随盲信号分离问题而发展起来的一项新的统计信号处理技术。本文介绍了独立成份分析的基本理论和算法，仿真实验证明了独立成份分析提取独立信号的能力，最后用独立成份分析技术分析了实际的四导联同步心电信号。结果表明独立成份分析可以提取多导联同步心电中的成份甚至是微弱的掩埋在背景中的成份。     

高性能胎儿心电检测电路设计

提出了一种新型的高性能胎儿心电检测电路。电路由AD公司的仪器放大器AD 6 2 0和LF44 4运算放大器构成 ,结构简单 ,成本低廉 ,但性能优异 ,并且己应用于直接胎儿心电监护设备上。可望用于其它微弱生物信号检测设备。     

基于非线性时间序列分析的胎儿心电信号提取

研究一种基于非线性时间序列分析的方法——非线性状态空间局部投影消噪算法来提取胎儿心电信号,在对胎儿心电信号进行分析的基础上提出胎儿心电提取的基本方案,采用改进的虚假邻点法及自相关函数法确定嵌入维数m及延迟时间τ,并对邻域半径r及局部嵌入流形维数Q的选取进行了说明。通过对实际母婴混合信号的仿真实验,验证了该方法的有效性。     

一种EEG信号盲分离和分类的神经网络方法

提出一种采用多神经网络处理脑电(EEG)信号的方法。首先，对混有噪声的脑电信号给出一种盲分离的自适应神经算法。通过寻求采样时间序列线性组合的kurtosis系数的局部极值，得出该算法的模型和步骤。在盲分离的基础上，对分离出的估计信号进一步利用Kohonen网络进行分类。将该算法用于300个EEG样本处理，并给出处理结果。     

基于小波包理论的ECG信号数据压缩

小波包函数族是小波函数的推广，与一般的小波函数相比小波包函数具有更好时频局域特性。本文在小波包理论的基础上对医学上常用的心电图信号（ＥＣＧ）进行了数据压缩实验。实验结果表明，在不影响诊断分析的条件下，小波包压缩技术可以达到令人满意的效果。     

基于快速定点独立分量分析算法的母胎心电信号分离

研究快速定点独立分量分析方法在母胎心电信号分离中的应用。采用此算法,在胎儿心电信号与母体心电信号可以视为相互独立的信号源的前提下,对来源于同一孕妇的观测信号进行独立分量分离。快速定点独立分量算法可以有效地分离出单个独立分量,得到的胎儿心电信号(FECG)较理想。采用独立分量分析方法,实现母胎心电信号分离,是一种值得尝试的信号处理方法。     

独立分量分析在生物医学信号处理中的应用

独立分量分析是盲信号处理领域的研究热点，是盲信号处理的重要组成部分。介绍了独立分量分析(ICA)的基本模型、数学原理、研究进展，以及当前广泛应用的FastICA算法，着重论述了ICA在生物医学信号处理中的应用，提出了存在的问题和进一步研究的方向。     

一个基于频谱检测是否发生心室纤颤的算法

本文提出可能利用一维滑动ＤＦＴ并行处理器实时提取ＥＣＧ信号的滑动频谱，以中间一段的频谱的模的均方值作为特征来判别病人是否发生了心室纤颤。作者对１４０个Ｖｅｎｔｒｉｃｕｌａｒ Ｆｉｂｒｉｌｌａｔｉｏｎ（ＶＦ）信号和Ｖｅｎｔｒｉｃｕｌａｒ Ｔａｃｈｙｃａｒｄｉａ（ＶＴ）信号作了统计，并用概率纸证明在特征值取值范围内是正态概率分布模型。作者使用了序贯假设检验的办法来进行判决，通过扩大判决阀值减少了误判率     

基于改进的伪Wigner分布检测癫痫EEG棘波的方法

本文提出了一种新的检测癫痫EEG棘波的方法,采用改进的伪Wigner分布对脑电信号进行时频变换,这种时频分布不仅能够有效地消除交叉项,而且可以快速实现,在时频平面上,以每个时间点上的中心频率划分背景脑电和癫痫样瞬态特征,通过一个镜像滤波器提取瞬态分量,最后,利用瞬态分量的能量局部极值检测棘波,临床应用表明,这种方法能够快速有效地从背景脑电中提取癫痫样瞬态特征。     

基于复杂度和复杂率的心动过速和心室纤颤检测

本文从非线性动力学的角度 ,利用L Z复杂度 ,提出了复杂率指标及其定义 ,推导了复杂率的相关性质 ,并应用于异常心电信号的复杂性分析。经过生物实验、数据采集和计算机的仿真分析 ,证明了信息复杂度和复杂率的合理性。最后 ,对心脏异常心电信号中的VT和VF信号机理和复杂性进行了客观的分析和解释。结果表明 ,利用复杂度和复杂率 ,VT和VF信号的识别和分辨率达到 10 0 %。     

基于LADT—BP算法的心电图快速分析

本文提出了一种应用LADT（Linear Approximation Distance Thresholding)压缩算法进行预处理的BP（Backpropagation)网络算法（我们称为LADT-BP算法）。实验主日新月异该算法与现有的算法相比,在运算速度及正确识别率等方面,均有大幅度的提高。     

BMP-2和EGF对神经干细胞向神经元分化及Notch信号分子表达的影响

采用BMP-2(bonemorphogeneticprotein2)和EGF(epidemicgrowthfactor)诱导体外培养的神经干细胞分化,通过免疫荧光染色以及细胞计数方法,观察其分化为神经元的情况;用RTPCR和Westernblot检测Notch信号分子Notch1、PS1、RBPJk和HES1的表达水平。结果表明:BMP2组分化为神经元的比例明显高于对照(control,Ctrl)组和EGF组;EGF组分化为神经元的比例与Ctrl组相比无显著差别;与Ctrl组相比,BMP-2组和EGF组中Notch通路4种信号分子的mRNA表达量均无显著差异;PS1蛋白表达量也无明显差异。结果提示,BMP-2对神经干细胞分化为神经元的诱导作用强于EGF和自主分化,其分化为神经元的比例增加与Notch信号分子的表达水平无关。     

Heart sound and lung sound separation algorithms: a review

Breath and cardiac sounds are two major bio sound signals. In this, heart sounds are produced by movement of some body parts such as heart valve, leaflets and the blood flow through the vessels, whereas lung sounds generates due to the air in and out flow through airways during breathing cycle. These two signals are recorded from chest region. These two signals have very high clinical importance for the patient who is critically ill. The lung functions and the cardiac cycles are continuously monitored for such patients with the help of the bio sound signal captured using suitable sensing mechanism or with auscultation techniques. But these two signals mostly superimpose with each other, so the separation of these heart sound signals (HSS) and the lung sound signals (LSS) is of great research interest. There are so many different techniques proposed for this purpose. In this paper, a study is carried out on different algorithms used for the separation of HSS from LSS, and also the results of major four separation algorithms are compared.