心电图ST段测量的神经网络方法

心电图ST段是临床心电图测量中一项重要指标.本文介绍了一种ST段分析的神经网络方法.该方法通过训练BP神经网络学习已知的10类心电图ST段形态,使其能够对ST段进行分类识别,根据分类结果,更准确地确定ST段的起始位置和测量点,从而提高ST段指标测量的准确性.预处理时将ECG片段"标准化",使ST段测量和形态识别基本不受心率和波幅的影响,可以适应运动心电数据的分析.在心电报告中,根据ST段分类结果,增加了ST段形态分类结果,有助于医生分析ST段变化的原因.本文还对BP神经网络的结构、训练方法及优缺点作了详细叙述和讨论.     

基于冠脉造影图像血管树分割的血管狭窄自动识别方法

针对冠状动脉造影图像中的血管狭窄位置进行自动识别,并且定量评估其狭窄程度,为临床医生提供一种计算机辅助诊断方法,从而提高对冠状动脉狭窄的诊断准确率,同时减轻医生的劳动强度。所提出的基于冠脉造影图像的血管狭窄自动识别方法包括血管树分割以及血管狭窄识别两部分。在血管树分割部分,首先通过基于Frangi Hessian的改进模型进行图像增强,随后利用基于统计学区域融合方法对血管区域进行分割。在血管狭窄识别部分,首先利用水平集算法对分割结果进行细化获得血管骨架,随后提取血管边缘进行血管直径测量,最后采用局部最小点法计算整幅图像血管段狭窄的百分比,对狭窄段进行定位并分级。实验在153例患者的血管造影图像中检测出狭窄共计208段,其中轻度84段,中度42段,重度82段。统计分析结果显示,血管狭窄识别平均准确率为93.59%,敏感性为88.76%,特异性为95.58%,阳性预测值为90.51%,表明该方法能够有效地检测和定量评价动脉血管的狭窄程度,有助于心血管疾病的临床诊断。     

ST段改变的诊断及临床意义新进展

ST段改变是临床心电图中最常见的异常现象之一,自1903年荷兰生理学家Einthoven将其应用于临床至今,心电图的临床应用已走过100多年光辉历程。心电图在我国已极为普及,从事心电图的专业技术已逾十几万人。由于ST段的改变是心电图诊断心肌缺血最基本、最重要的诊断指标,因而难免有部分医生滥用、误用的情况。在不少医生的观念中,只要心电图出现了ST段改变的改变,就动辄给患者扣上“冠心病”的帽子,使不少并非冠心病的患者无辜地长期服用抗心肌缺血药物,给患者造成巨大的心理压力、生理痛苦和经济损失。因此曾有专家警告“冠心病”一半是误…     

一种基于R波和T波的心电图ST段夹逼检测方法

ST段变化是心电图(ECG)检测心肌缺血(MI)主要的临床表现,受基线漂移、体位变化、电极等因素影响,给ST段的有效检测带来困难。目前ST段常用的检测方法有:R+x和J+x,但它们受T波形态变异影响很大,且J点定位也存在一定的难度。基于上述原因,本文提出了一种方便准确的T波起点检测方法,该方法不需定位T波峰点,且受基线漂移、T波变异等的影响很小。然后联合R波峰点和T波起点提出了一种ST段夹逼检测方法,经公共数据库Long-Term ST database(LTST)验证,该方法有很好的实时性和鲁棒性,且准确率能够达到92%以上。     

基于小波变换的运动心电ST段检测方法

心电图中ST段异常与心肌缺血有直接联系,在临床上是预测心肌梗死的重要指标.在静息状况下,有时心肌缺血不明显,而在运动负荷下,才能准确捕获ST段异常的现象.由于ST段信号微弱易受干扰,所以长时间运动心电检测ST段的主要障碍是基线漂移和肌电干扰.结合小波变换良好的时域定位特性和心电信号特点相结合,本文提出了QRS波群窗口滤波法.经长时间ST段数据库验证和临床实际检验,该方法具有良好的抗干扰性和准确性.     

基于改进DTW的心电图ST段识别

在心电图诊断中,经常用到ST段的偏移和形态变化分析,由于ST段难以精确定位,使得ST段形态分析难以直接进行。本文考虑到ST段起点J难以确定,但S点与ST段融合后有较好的区分度,所以将S点到T波起点这段作为区分ST形态的数据段。首先利用小波变换准确地确定S点和ST段终点(T波起点),提取出数据段平滑后,经改进动态时间规整(dynamic time warping,DTW)算法即可得到ST段的形态。经MIT/BIHST-T数据库的验证,该方法能较好地识别出心电图ST段的5种常见压低形态,即上斜型、下陷型、水平型、下垂型、弓背型。     

冠心病患者心电图ST段改变与多排螺旋CT冠状动脉成像的关系分析

目的:通过对心电图ST段改变及多排螺旋CT冠状动脉成像（MSCTCA）检查在冠心病诊断中的比较分析，探讨冠心病诊断中心电图和MSCTCA检查的方法和作用，为临床诊断提供更多有效的信息。方法:选取临床诊断疑似或确诊为冠心病患者64例，进行心电图和MSCTCA检查，比较两种方法的一致性，不同部位、不同程度及不同类型病变检查的阳性率。结果:与MSCTCA方法相比，心电图ST段改变检查的灵敏度为56.82%，特异度为50%，总体符合率为54.69%，Kappa值为0.061，两种方法检查一致性较差，差异具有显著性（P<0.05）；I/avL/V1-5导联ST段改变阳性患者与Ⅱ/Ⅲ/avF导联ST段改变阳性患者相比，以MSCTCA检查的阳性率更高（P<0.05）；冠状动脉重度狭窄患者与轻度患者相比，心电图ST段改变阳性率显著升高（P<0.05）；中度狭窄患者与轻度患者相比，心电图ST段改变阳性率差异不显著（P>0.05）；多支冠状动脉病变患者心电图ST段改变阳性率显著高于单支管状动脉病变患者（P<0.05）。结论:心电图与MSCTCA检查一致性较差，临床上不宜单独使用单一检查方法；在重度冠状动脉狭窄患者及多支冠状动脉病变患者中，心电图ST段改变检出率较高，结果具有参考价值；I/avL/V1-5导联ST段改变阳性患者相比Ⅱ/Ⅲ/avF导联ST段改变阳性患者，MSCTCA检查阳性率更高，更具有检测意义。     

电子版三角函数眼异物定位诊断报告书的设计与制作

目的设计电子版三角函数眼异物定位诊断报告书模板。方法采用Delphi软件,对印刷版三角函数眼异物定位诊断报告书绘制电子版三角函数眼异物定位诊断报告书模板。通过计算机,在病例报告中生成数字报告书表。采用临床使用验证。功能包括能在影像科医生工作站计算机上书写三角函数眼异物定位诊断报告书,并能在模板上的三角函数眼异物定位坐标图上填画出相应的异物影像。结果利用此电子版三角函数眼异物定位诊断报告书模板,不仅能在影像工作站上将填写好的诊断报告书通过网络系统打印出来,还能通过影像存储与通信系统（PACS）传输到临床医生办公室工作站上。结论此电子版三角函数眼异物定位诊断报告书模板的应用,不仅方便了临床医生在网上的阅览,有利于眼异物的及时取出,而且达到了现代化医院需电子版病例和检查结果的要求。     

老年人ST段水平延长对冠心病的诊断价值

目的讨论老年人ST段水平延长对冠心病的诊断价值。方法回顾性分析有心绞痛病史、冠状动脉造影确诊冠心病者56例为试验组。冠状动脉造影正常者56例为对照组。比较两组患者ST段水平延长的差异,并分析其对冠心病诊断价值。结果试验组患者ST段水平延长发生率为87.5%显著高于对照组26.8%,比较具有统计学差异(P0.05);ST段水平延长诊断冠心病的敏感性为87.5%(49/56),特异性为73.2%(41/56),阳性预测值为76.6%(49/64),阴性预测值为85.4%(41/48),准确率为80.4%(90/112)。结论 ST段水平延长对冠心病诊断价值较高,具有较高的敏感性及特异性,值得临床选择。     

一种基于二维云模型理论心电信号ST段的检测方法

背景：目前对于异常ST段的形态特征的评价体系,尚无精确数学化模型分类及识别标准,这阻碍了对某些心血管疾病进行计算机自动识别程序算法的进展。 目的：找到一种符合医学诊断逻辑思维的心电信号ST段分析方法,为心电图ST段变化的实时分析提供新的思路。 方法：针对采集的心电数据模糊性和随机性较大的特点,提出了一种基于两维云模型的心电信号ST段的检测方法,其对二维正态云发生器隶属度进行判断,并进行心电信号ST段的形态判定。 结果与结论：利用Matlab对本算法进行仿真,并通过标准心电数据库(欧共体CSE数据库)中数据进行算法准确性验证,统计结果表明该算法ST段的识别率较高,对于大数据量的心电信号处理快捷有效,为ST段的准确分析提供了新的方法。     

ST shape classification in ECG by constructing reference ST set

Abnormal changes in the ST segment of an electrocardiogram (ECG) are very important diagnostic parameters for detecting myocardial ischemia. ST segment analysis requires a long-term ECG recording because of the transient change of the ST segment. Deviations of the ST segment are generally related to myocardial abnormality. In this study, we classify the ST segments by their morphology. First, a set of reference ST shapes is given. The ECG analysis algorithm developed in this study consists of feature point detection and ST shape classification. S wave and J-point detection are performed during the process of feature point detection, and the proposed algorithm classifies the STs into reference ST shapes. To improve the performance of ST shape classification, the rules for the trend of previous beats and the shape type of previous beats are used. The results from the proposed algorithm can provide information on the change in the ST shape. In our evaluation for classification of STs by their morphology using the test ECG data, the global correct rate was 83.14%. The best accuracy of existing ST level detection algorithms are 90% and over. However, considering that ST level detection algorithms cannot show the change of ST morphology; and that there are no studies about the classification of STs by their morphology using a reference ST set, the proposed algorithm is worthy of note.     

基于动态心脏模型的体表心电图仿真研究

以往的电生理心脏模型大多是静态的,而非动态模型.这样在用准静电场理论求解体表电位时,整个心动周期中等效心电偶极子（源点）与体表（场点）之间的距离假设为恒定不变,从而会引入较大的系统误差.因此,为了更准确仿真心电图,有必要采用动态或跳动的心脏模型.基于原来静态心脏模型,构造了一个动态心脏模型,并对体表12导联心电图进行仿真比较研究.在动态心脏模型中考虑了心肌电兴奋引起的心脏机械力学收缩,通过计算心动周期中心室壁的位移,从而将心脏与体表之间的相对距离变化考虑进体表电位计算过程.仿真结果表明,对于正常心电图,基于动态心脏模型的仿真结果比基于静态心脏模型的仿真结果更符合临床记录心电图,特别是V1-V6胸导联的ST段和T波.对于前壁轻微缺血情况,在动态心脏模型的仿真心电图中能明显看出ST段和T波的变化,而在静态心脏模型的仿真心电图中与正常心电图相比看不出什么变化.本研究的仿真研究证实了动态心脏模型的确能更准确地仿真体表心电图.     

同步十二导联心电图的ST段奇异谱分析

对同步十二导联ECG(心电图)的ST段进行分析,我们发现ST段的f(α)~α奇异谱趋向于单重分形特性,面积只有它来源的ECG的f(α)~α奇异谱的一半大小。同步十二导ECG的ST段也有f(α)~α奇异谱分布特性,也有一个合理的波动范围。用冠心病人的同步十二导ST段的f(α)~α奇异谱和健康人的同步十二导ST段的奇异谱正常波动范围进行比较,发现指示出溢出正常范围的导联数目和对ECG数据进行分析的结果对比有增多的趋势,显示了用同步十二导ST段的f(α)~α奇异谱分布来诊断冠心病比用同步十二导ECG段的f(α)~α奇异谱分布来诊断冠心病更有效。     

Optimization of bi-directional digital filtering for drift suppression in electrocardiogram signals

Baseline drift may often impede automatic ECG measurement and interpretation. Known methods for drift suppression do not take into consideration specific waveform parameters of various ECG signals. We propose high-pass filtering with adaptable cut-off frequency in order to keep RS amplitude changes below a selectable threshold and to preserve ST segment shape within acceptable limits.     

心冲击图信号的采集和特征分析及其应用

目的:探讨心冲击图（BCG）信号和心电图（ECG）信号的内在联系,从而提升BCG信号在临床中的应用价值。方法:同时采集BCG信号和ECG信号,利用小波预处理及自适应模板匹配提取BCG信号的J波,获取BCG信号的心动周期间隔,并与同时段ECG信号的心动周期间隔对比。采用一维卷积神经网络建立BCG信号到ECG信号的重构映射,获取原始ECG信号的形态。结果:同时采集得到的BCG和ECG信号的心动周期间隔相关度为98.16%,形态相关度为95.44%。可由BCG信号得到原始ECG信号的RR间期、QRS波段宽度、ST波段宽度等特征。结论:在BCG信号中可以找出有效ECG信号特征,并以此改善BCG信号的临床意义。 【关键词】心冲击图信号;心电图信号;心动周期;相关性分析     

基于心电图的心肌缺血非线性分析

心电图是心肌缺血检测的一种方便、经济、无创的工具,其主要的临床表现为ST-T段变化.鉴于心脏是一个混沌系统,本文从非线性角度出发,对心电图特征参数序列进行分形维数和最大Lyapunov指数分析,其中特征参数序列包括：心电图RR间期,瞬时心率HR（heart rate）,ST段的平均幅值STmean,ST段最小幅值STmin,STmean与HR的比值STr,T波峰末间期TpTe,R波峰值Ramp,T波峰值Tamp.利用公共数据库Long-term ST database（LTST）中心肌缺血和非心肌缺血心电数据,通过统计t检验分析,除最大分形维数分析中的TpTe与最大Lyapunov指数分析中的Ramp和Tamp特征参数外,其余参数均有显著性差异.基于心电图的非线性分析为心肌缺血检测与诊断提供另一重要依据.     

基于心电图的心肌梗死识别分类研究

心肌梗死（MI）是一种严重的心脏病,症状前的健康检查可以发现早期的MI。心电图（ECG）是一种常用的无创健康检查诊断工具。一些使用ECG预测MI的研究存在基于私人数据集、样本量小、分析方法简单等不足。为了解决这些问题,本研究提出在英国最大的开放采集生物信息资源平台UK Biobank上进行MI的首次基准预测实验,涵盖基于临床特征的机器学习方法和基于ECG信号的深度学习方法。结果显示,基于临床特征的AUC为0.690,深度学习使用原始ECG信号的AUC为0.728,提升近4%。证明深度学习基于原始ECG信号能学习到比临床特征更多的信息。另外,对XGBoost和ResNet方法的结果进行了初步的可解释性分析,发现ST波与MI的关联更密切。     

Delphi在24小时动态心电监护系统软件分析中的应用

在回放式２４ｈ 动态心电监护系统中，需要对大量的数据进行处理和分析，从而实现对心电信号的检测，分类，心律失常分析，心律变异分析，报表打印功能。本文介绍了利用面向对象的Ｄｅｌｐｈｉ 开发工具和其内置数据库引擎（ＢＤＥ） 来实现上述功能，并介绍了利用Ｄｅｌｐｈｉ 来进行心电信号波形浏览控件研制，使之可成为生物医学虚拟仪器中的医学信号波形浏览控件。