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。     

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。     

一种基于几何特征的ECG波形识别算法

目的 ECG自动分析系统由两部分组成:波形识别和智能诊断。在实际应用中,心电波形识别是该系统的关键。波形识别的精确性和可靠性决定了心脏病诊断的可靠性。为提高波形识别的速率及准确度,本文提出一种基于几何特征的ECG波形识别算法。方法首先利用数字滤波算法对信号进行预处理,提高信号的信噪比,然后通过改进的二阶导数计算出数据的几何特征:点的斜率和运动趋势,并在此基础上,结合ECG波形的实际物理特征,利用算法实现T波、P波、QRS波群的起点、终点以及波峰波谷的自动识别。结果统计分析结果表明,本算法能够快速高效地识别ECG波形。同时将该算法与其他当前各种ECG波形识别算法进行对比,该识别算法在识别的精确性与阳性预测值方面具有更好的性能。结论本文提出的基于几何特征的ECG波形识别算法可以进一步提高当前ECG波形识别算法的性能。     

基于抗混叠小波变换的胎儿心电信号分离方法

目的胎儿心电图能够较好地反映胎儿在子宫内的发育状况,但是由于采集的胎儿心电信号中混有噪声干扰,给医学诊断带来极大干扰。抗混叠小波变换算法能够从混有噪声干扰的源信号中提取胎儿心电信号,且当胎儿心电信号与母体心电信号混叠时,该方法仍能够提取胎儿心电信号。基于此,本文提出一种基于抗混叠小波变换的胎儿心电信号分离方法。方法首先对原始心电信号进行滤波预处理,再利用小波变换分离母体心电信号和胎儿心电信号,最后根据抗混叠分离算法获取混合心电信号中的胎儿心电信号,得到满周期的胎儿心电信号。结果该方法能够较好地获取胎儿心电波形,胎儿心电波形识别准确率可达100%,在信噪比较低的情况下,识别准确率仍可达到77.78%。应用此算法在国外MIT-BIT心电信号数据和国内医院临床心电信号数据中进行实验仿真,并与先前学者的胎儿心电信号提取方法进行对比。结论此方法具有较高的识别准确率以及在临床应用中的可靠性和可行性。     

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。     

基于变分模态分解的心电信号QRS波检测

为了解决含噪心电信号QRS波的提取问题,本研究提出了一种基于变分模态分解(variation mode decomposition,VMD)的心电信号QRS波群检测和定位的方法。首先确定合适的分解层数,利用变分模态分解将心电信号分解为一系列模态分量。对每层模态分量进行分析,选取含有QRS波的模态分量层。通过小波变换的奇异值检测原理,确定心电信号的奇异值,定位心电信号R波的峰值位置,再检测QRS波的波形宽度。实验证明了该方法对含噪的QRS波检测准确度在96%以上,能够准确的检测和定位心电信号QRS波。     

基于小波变换的QRS波群实时检测算法

本文研究了基于小波变换方法的心电信号QRS波群检测算法,通过对心电信号进行低通滤波、小波变换、差分平滑、阈值检测和修正策略等技术,提高了QRS波群的检测率.经MIT-BIH心律失常心电数据库全部48例数据的检验,QRS波检测灵敏度达99.82%,真阳性率达99.52%.在Windows环境下可实时实现.     

心电信号时频特性的对比研究

对心电信号的分析存在着时域频域两种方法,我对此作了对照研究。用频域滤波的方法,分别滤去一定低频成分,再IFFT恢复时域波形,时域信号出现了双相T波。滤去一定高频成分,再IFFT恢复时域波形,经适当放大,可明显看出高频心电的时域表象：P波、T波的高频时域表象没有明显结构,而QRS波有明显的结构。QRS波时限与高频成分有关,滤去一定的高频成分QRS时限延长。QRS波顿挫是高频成分增多所致。心室去极化QRS复合波有三角脉冲样波形,也有非三角脉冲样波形,其功率谱具有单峰和指数下降（倒幂）特征两种类型。整个心动周期信号、P、波、T波的高频谱无明显的规律性,而QRS波有一定的结构。     

基于复值小波分解的QRS波群检测算法

心电信号特征参数的提取和识别是心电图分析和诊断的基础。在心电信号的分析中,QRS波群快速准确的检测非常重要,它是相关参数计算和诊断的前提。本文对心电信号进行复值小波分解后,利用分解结果的模值来检测QRS波。由于心电信号的形态和幅值因人而异,所以用自学习算法来调整阈值以适应信号的变化。用MIT-BIH心电数据库中的数据对以上方法进行验证,QRS波群的检测率高达99.81%以上。最后,在检测出QRS波群特征点的基础上,利用相类似的方法检测出P、T波。     

一种双导联融合心电QRS波检测算法

目的:心电图的检测与分析是临床上诊断心血管疾病的主要依据,QRS波是心电信号中最重要的特征波,它的准确检测是心电信号自动分析的前提和基础。为了提高单导联检测QRS波的灵敏度和准确率,本文提出一种新的双导联融合心电QRS波检测的算法。方法:原始心电信号通过单导联预检波进行QRS波定位后,由双导联决策方法来决定采用单导联检波还是双导联融合检波。单导联检波直接采用第一或第二导联检测结果;双导联融合检波由双导联融合方法和导联判断规则判别。以窗时间为时间单位,不断更新双导联决策算法。本算法包括方差、幅值、模板匹配以及阈值比较等方法。结果:采用MIT-BIH心律失常数据库的48组两导联心电记录进行验证,统计得到平均灵敏度和准确率分别为99.87%、99.81%。其漏检数和误检数比第一导联分别降低了23.26%、18.27%,比第二导联分别降低了88.21%、95.11%。结论:本算法实时高效地提高单导联QRS波检测的灵敏度和准确率,且优于部分算法的检测结果,因而在心电信号自动分析中具有良好的应用前景和较高的实用价值。     

基于小波变换的心电信号中QRS复合波内异常高频分量的检测

提出利用小波变换方法提取心电信号中异常QRS复合波内的高频分量，并定义了残余信号的QRS，作为衡量指标，为检测QRS复合波内的异常高频分量提供了有效的定量检测方法。     

QRS复合波检测技术综述

心电图是诊断各种心脏疾病的一个重要手段,而准确识别QRS复合波也是多种自动化心电图分析方法的一个前 提。检测QRS复合波的传统方法主要有差分阈值算法、双阈值检测算法、经验模态分解法、小波变换算法等,这些算法的 主要步骤包括对心电信号进行预处理、特征提取和检测等,对心电信号质量要求比较高,且通用性不是很强。相对于传统 方法检测QRS复合波,人工智能的发展特别是深度学习的出现为QRS复合波检测提供一种新的方法,利用深度学习可自 主提取QRS复合波特征信息,从而进行精准定位,相比传统方法,鲁棒性更好,对信号质量不佳的数据检测效果更好。本 研究主要对用于QRS复合波预处理以及检测的技术进行综述,并对检测技术的发展进行展望。     

基于DCT的心电信号分类算法

目的提高心电信号的分类准确率,降低算法复杂度。方法首先以MIT-BIH心电数据作为学习模板,然后在心电信号的频域和时域上提取其离散余弦变换(discrete cosine transform,DCT)、RR间期和QRS复合波的三种特征值进行分析,最后采用最小欧式距离分类器判断待测心电信号的类型。结果该分类模型通过MIT-BIH和AHA国际标准心电数据库的验证,分别得到96.6%和94.1%的分类准确率。结论本文的心电分类模型区别于其他分类算法的一个最大特点就是算法复杂度低,这是异常心律能够被实时检测和预警的关键,而且建立的心电分类模型已经能够在普通的手机平台上实现。     

基于BP神经网络的胎儿心电提取算法研究

目的针对胎儿心电不易提取的问题,提出一种从孕妇腹部混合心电信号和胸部心电信号中提取胎儿心电的方法。方法采用反向传播(BP)神经网络预测孕妇腹部混合心电信号中母体心电的真实形态,从腹部混合信号中减去预测的母体心电信号便得到胎儿心电信号。与小波阈值去燥算法和自适应滤波算法比较,评价BP神经网络算法可行性。结果相比小波阈值去燥算法和自适应滤波算法,该算法准确度为94.12%,灵敏度为96.97%。这两项指标均优于小波阈值去燥算法的80.52%、93.94%和自适应滤波算法的87.88%、87.88%。结论基于BP神经网络的方法可以提取到纯净的胎儿心电信号,对于胎儿心电监护有一定的应用价值。     

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。     

高分辨心电图中模板匹配算法的改进

在对心电信号进行相干平均处理之前,需要对信号进行时间上的对齐和异形波剔除。常用的方法先建立一个模板信号,然后令其它的心电波形与之比较,这种平均预处理过程被称为模板匹配。经典的模板匹配算法存在着对信号波形差异不敏感的问题,这必将影响预处理的效果。本文针对这个问题提出一种改进的算法,并且用实验的方法对改进算法的异形波判别灵敏度和信号对齐精度做了验证,同时与经典算法进行了比较。结果显示改进后的算法可以提高信号判别灵敏度和对齐精度,对在需要进行较严格模板匹配的应用中是一种可行的方法     

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。     

基于数学形态学方法的心电图波形分离技术

讨论了一种基于数学形态学的心电图波形分离方法。使用这种方法,无须检测QRS波群,利用一系列形态学运算,便可以直接去除心电信号中的QRS波群,检出P波和T波的起止点,实现波形的定性和定量分离。定性分离效果甚佳,定量分离结果的方差较小。此外,心电信号的滤波、基线矫正等处理,也完全由类似的形态学算法实现。