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。     

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。     

基于小波变换的心电图QRS波群检测方法研究

本文就心电图信号的QRS波群检测提出了一种基于小波变换的信号特征提取方法,此方法对心电信号中QRS波群的时变特性及几种常见的心电干扰具有较强的鲁棒性.文中我们采用两种不同性质的小波为母小波对含有噪声污染的心电信号进行多尺度的小波分解,在没有预先消噪处理的情况下,较为准确、快速地检测出QRS波群的信息,并且以国际上广泛承认的心电数据库MIT-BIH中的记录对算法进行检验.     

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。     

基于子波多尺度分辨的心电QRS波分类方法的研究

本文分析了心电QRS波的子波多尺度分辨特征,探讨了曲线非线性分开维数的计算方法,提出了一种新的QRS波的分类方法：对心电QRS复合波进行子波多尺度分解,在尺度为4的情况下,根据局部正负极大值对检测出它们前后两个零点Zp1,Zp2,计算出局部正负极大值对位于┃Zp1,Zp┃之间的曲线段的分形维数。根据局部正负极大值对的幅度和分开维数能很好地检出正常心电信号的QRS波及早搏信号;该方法具有很强的抗噪能力,提高了QRS波的正确检出率。     

基于变分模态分解的肺音去噪算法

目的：为有效提高肺音信号质量,提出一种基于变分模态分解的肺音去噪方法。方法：首先利用经验模态分解对带噪肺音信号进行分解,根据本征模态函数特征确定最佳分解层数,然后根据分解层数对原始带噪肺音进行变分模态分解处理,接着根据皮尔逊系数选取有用模态,最后采用阈值方法对各模态函数去噪,重构后得到没有噪声干扰的肺音信号。结果：通过与维纳滤波和FIR滤波进行对比,本文方法的语音质量感知评价、短时间客观可读性和源信号失真比均更优。结论：本文方法能有效对肺音信号进行去噪处理。     

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。     

Lipschitz指数与室性波的识别

根据小波变换的理论,信号的奇异点对应于其小波变换的一个正模极大值与负模极大值对.采用二次样条小波对心电认号进行小波分解,将心搏分为室上性心搏和室性心搏.根据Lipschitz指数的理论,提出小波变换各个尺度上的极大模值增大或Lipschitz指数大于零是确定室性QRS波的一个重要指标.使用这个指标,可正确的识别QRS波群宽度小于120ms的室性QRS波.     

基于经验模式分解的心电特征提取算法

本研究应用基于经验模式分解的心电特征提取方法,利用第一本征模函数(intrinsic mode function,IMF)分量对QRS波进行定位,并通过减少分解层数、筛选次数、处理区域等策略实现了快速算法。利用MIT-BIT心律失常数据库的数据进行算法测试,取得较高的检测率,检测速度也有明显提高。实验结果表明,经验模式分解算法在QRS波定位中具有相当的优越性,临床应用中取得了良好的检测效果。     

体表胃电图慢波提取方法的比较研究

体表胃电图(electrogastrogram,EGG)具有幅值小、频率低和窄带宽的特点,并且极易受到心电、呼吸以及运动等干扰.文中对三种常用的EGG慢波的提取方法进行了比较,包括自适应滤波、小波多尺度分解和经验模态分解,并将三种方法分别应用于模拟的含噪EGG信号以及临床EGG慢波的提取.研究结果表明,三种方法各有优缺点,均能有效地提取出EGG信号中的慢波成分.与自适应滤波相比,小波多分辨率分解和经验模态分解获得了更高的信噪比和更低的重构方差.     

基于白噪声分离的集合经验模态分解心电信号去噪方法研究

集合经验模态分解(EEMD)是一种处理心电等非平稳信号的有效方法,但其参数白噪声比值系数与平均次数依靠经验设置,导致处理结果准确度低且对未知信号自适应性差。针对上述问题,本研究提出了基于白噪声分离的EEMD心电信号去噪方法。该方法通过经验模态分解(EMD)将心电信号分解至不同频带,基于白噪声能量密度和对应的平均周期的乘积趋向于一个常数的特性,提取信号高频分量重构信号高频成分;依据避免模态混叠参数准则实现针对不同信号的分解参数自适应获取。经过对心电信号的验证,结果表明该方法去噪效果明显,自适应性强,是一种有效的去噪方法。     

Hilbert-Huang变换应用于心电信号消噪

目的：对心电信号消噪。材料与方法：本文讨论了Hilbert—Huang变换中经验模态分解和瞬时频率求解的两个过程及其原理，着重于把经验模态分解运用到心电信号，将其分解成有限数目的模态函数，对模态函数进行不同的阈值和处理。结果：Hilbert-Huang变换方法可有效地去除心电信号中的一般干扰。结论：与传统的小波变换消噪相比．Hilbert—Huang变换应用于心电消噪有一定的优越性。     

基于经验模态分解和Hilbert变换的QRS综合波检测算法

提出一种新的有效结合经验模态分解(EMD)和Hilbert变换的QRS综合波检测算法。采用EMD将心电信号分解成一系列内蕴模式分量(IMFs),舍去对应于高频噪声的IMF1和IMF2,舍去对应于低频噪声的最后两个IMFs和趋势项,能有效地抑制高频噪声和基线漂移。将降噪后的信号进行Hilbert变换,得到对应的解析函数,利用其包络,进一步抑制高大P波、T波等对QRS综合波检测的影响,采用自适应阈值进行QRS综合波检测。经MIT-BIH Arrhythmia Database全部数据检测验证,平均正确检测率可达到99.78%,表明本算法具有较高的正确检测率和良好的抗噪性能。     

基于小波变换的QRS波检测

目的　将小波变换应用于ECG信号QRS波检测,提高QRS波的正确检测率。方法　利用二进Marr小波对ECG信号按Mallat算法进行变换;从等效滤波器的角度分析了信号奇异点(R波峰值点)与其小波变换模极大值的关系;探讨二次微分小波与一次微分小波在奇异点分析时性能上的差异,在检测中还运用了一系列策略以增强算法的抗干扰能力。结果　经MIT/BIH标准心律失常数据库验证,QRS波的正确检测率高达99.8%。结论　小波技术在ECG信号消噪和精确定位显示良好的性能;不同的小波函数直接影响结果和后续的检测策略。     

应用独立分量分析去除体表肌电中的心电干扰

体表肌电特别是从躯干获得的体表肌电往往受到被测对象自身心电信号的严重干扰。本文利用一种基于独立分量分析(ICA)的去噪方法,去除体表肌电中的心电干扰。该方法将多通道体表肌电进行独立分量分解,并用高通滤波器处理所分解出的心电独立分量以尽可能地保留其中的肌电成分,进而将去除心电干扰后的所有独立分量反向投影回原始信号空间得到去噪后的信号。仿真信号的处理结果表明,当高通滤波器的截止频率为30Hz时,该方法在有效去除心电干扰的同时使体表肌电的保真度达到最大。同时讨论了将信号的峰度(Kurtosis)值作为自动判别心电分量和肌电分量的标准的可能性。     

基于下采样检测QRS波的新方法

针对目前QRS波检测方法的不足,结合心电信号主要集中在0.05～35 Hz这一特点,我们提出了基于下采样的QRS波检测新方法.首先对原始心电信号进行下采样,然后利用自适应、自学习原理设置幅值和斜率阈值检测QRS波,利用不应期特性降低误检率,再利用回溯技术降低漏检率,最后对得到的QRS波进行更新来实现原始心电信号中QRS波的检测.采用MIT/BIH心电数据库的数据和重庆医科大学附属医院提供的临床数据对该方法进行验证,准确率可以达到98%.结果表明该方法简单、快速、检出率高,并且不受采样率的影响.     

双谱特征在基于心电图的心肌缺血检测方法中的应用

ST-T段改变是心电图检测心肌缺血的主要表现。首先,从心电信号中提取ST-T趋势信号,以便有效降低检测ST-T特征点的难度,且避免其他心电波形(如P波,QRS波)的影响;然后,对其进行双谱分析,主要的双谱特征包括双谱值、双谱权值中心(WCOB)和双谱最大幅值。实验结果表明:对心电信号进行双谱特征分析,有很好的抗噪能力;WCOB可为各心拍ST-T段的一致性分析提供一项有效的指标。经公共数据库Long-Term ST database(LTST)验证,双谱最大幅值在心肌缺血和非心肌缺血两种状态下有显著性差异,可为检测心肌缺血提供依据。     

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.     

结合快速独立成分分析算法和卷积神经网络的胎儿心电信号提取与分析方法

胎儿心电信号为胎儿异常情况的早期诊断和干预提供了重要的临床信息，本文提出一种胎儿心电信号提取与分析的新方法。首先，将改进的快速独立成分分析（FastICA）法和奇异值分解（SVD）算法结合，来提取高质量胎儿心电信号并解决波形缺失问题。其次，运用一种新的卷积神经网络（CNN）模型识别胎儿心电信号QRS复合波，并有效解决波形重叠问题。最终，实现胎儿心电信号的高质量提取与胎儿QRS复合波的智能识别。以复杂生理信号研究资源网2013年心脏病学计算挑战赛（PhysioNet2013）数据库资料对本文所提方法进行验证，结果表明该提取算法平均灵敏度与阳性预测值为98.21%和99.52%;QRS复合波识别算法平均灵敏度与阳性预测值为94.14%和95.80%，相较于其他研究成果均有较好的提升。综上，本文提出的算法与模型具有一定的实践意义，今后或可为临床医学决策提供理论依据。