基于数学形态学的心音信号识别方法

为实现对第一心音 (S1)和第二心音 (S2 )的自动识别提出了一种新方法。首先对原始心音信号进行预处理 ;然后利用数学形态学方法提取心音信号的包络 ;最后使用差分法并结合心音的医学知识对其进行识别。利用该方法对 80例心音信号进行了分析测试 ,结果显示对 S1与 S2识别的准确率达到了 86 % ,其中对于正常心音信号的识别准确率达到了 10 0 %。试验结果表明 ,文中提出的方法对 S1与 S2的识别准确率较高 ,为进一步的心音信号分析奠定了良好的基础。     

基于数学形态学和信号包络提取的QRS波检测

QRS波检测是心电自动分析的关键环节,检出的位置精度关系到后续处理和信号提取的正确性和准确性,同时对于长时间记录的心电信号,要求一定的处理速度。而目前的国际标准ANSI/AAMI EC38中对QRS波的检出要求是在标注时刻的150ms范围内。本研究提出一种数学形态学结合信号包络提取的QRS波检测算法,在标注时刻范围减小时,对MIT-BIH数据库检测能够获得较好的检出精度和效率。     

声谱参数的数学形态学提取方法

本文报告了一 种采用数学形态 学方法对超声 多普勒血流 声谱图 进行声 谱参数 提取 的新技 术。该技 术包括声谱包 络的数学形态学 提取、声谱包络 的形态滤波 和声谱 包络特 征点的 数学 形态学 提取 。通过对临床声 谱图的实际测试 ,表明该技术具 有一定的优越性 。     

基于小波变换的心音包络提取算法及应用

背景：心音信号包含了大量心脏瓣膜活动的生理信息,心音分析对诊断心脏疾病具有重要的临床意义。 目的：旨在通过心音的包络提取,分析心音信号的各种特征,进而判断心音中是否包含杂音,以改善传统听诊技术高度依赖医生经验、听诊范围受限的缺点。 方法：提出了一种采用小波变换来提取心音包络的方法,通过与采用希尔伯特-黄变换、数学形态学、平均香农能量等心音包络求解方法进行对比,证明这种方法具有算法简便、曲线光滑、特征点突出等优点。 结果与结论：将该方法用于临床真实心音的包络提取,利用支持向量机来训练所提取心音包络的面积和小波能量两个特征参数,判别心音信号是否明显包含杂音。选用35例心音数据对算法进行验证,结果表明该算法的准确率达到95%,具有很强的实用性。     

基于简单度的包络提取算法在心音分段中的应用

有效提取心音包络对于检测S1、S2，分离杂音进而判断心脏病类型和严重程度具有重要意义。我们应用动力学复杂性，给出一种有效的心音包络提取方法及仿真结果。该方法能够有效分离二尖瓣关闭不全信号的S1、S2和杂音，明显突出肺动脉瓣关闭不全信号中幅度较低的S2，准确判断二尖瓣狭窄杂音持续时间。经验证，该方法具有对幅度变化的鲁棒性，在信号不同成分交界处，包络边沿变化陡峭，降低了后期心音成分提取和辨识工作的难度。     

基于简单度的包络提取算法在心音分段中的应用

有效提取心音包络对于检测S1、S2,分离杂音进而判断心脏病类型和严重程度具有重要意义.我们应用动力学复杂性,给出一种有效的心音包络提取方法及仿真结果.该方法能够有效分离二尖瓣关闭不全信号的S1、S2和杂音,明显突出肺动脉瓣关闭不全信号中幅度较低的S2,准确判断二尖瓣狭窄杂音持续时间.经验证,该方法具有对幅度变化的鲁棒性,在信号不同成分交界处,包络边沿变化陡峭,降低了后期心音成分提取和辨识工作的难度.     

基于心音香农能量包络的实时心率检测的研究和实现

心音信号通常用于获取心脏瓣膜的功能信息和节律活动信息,本研究提出一种利用心音信号来测量实时心率的方法。将采集到的心音信号做归一化处理,基于香农能量算法计算心音信号的能量,再将香农能量信号做移动平均滤波,提取能量信号包络。经过处理的心音信号衰减了其中的背景噪声和杂音信号,突出了第一心音(S1)信号。选择一个合适的时间窗口并在其范围内寻找心音峰值,根据相邻峰值之间的距离计算出心率。本方法在硬件平台上用C语言进行了实现,与心电图机测量的心率进行对照,准确率达到97%以上。     

基于STMHT算法的心音分割研究

第一心音（S1）和第二心音（S2）的定位和提取是利用心音分析诊断心脏病时的首要任务。鉴于此,本研究提出一种基于STMHT的心音分割法,分别提取S1和S2。本研究分为以下3个阶段:第一阶段,采用小波分解对心音信号进行预处理,保留心音信号的有效成分（21.5~689.0 Hz）;第二阶段,用Viola积分波形法提取心音包络;最后,基于STMHT算法自动定位和提取S1和S2。对30例心音信号的提取结果进行评价,结果表明,S1和S2提取的准确率高达97.37%,优于其它已实现的有效方法。     

基于数学形态学的血液细胞图像边缘提取

根据血液细胞边缘附近的灰度分布梯度较大的特性,运用数学形态学对缺铁性贫血的血涂片上的血细胞进行图像的边缘提取.并对原始图像分别用Sobel算子、Laplacian算子、LOG算子以及局部阈值法进行边缘检测,实验结果表明,基于数学形态学的边缘提取算法对于血液细胞图像边缘提取有很好的效果.     

基于经验模式分解的心音自动分段算法

与原始信号相比,心音包络能够更好地显示心音的特征.心音包络的提取是对心音进行时域分析的基础.本研究提出利用希尔伯特-黄变换提取心音包络的方法.首先利用黄变换提取心音信号的固有模态函数,然后利用希尔伯特变换提取心音包络.在希尔伯特.黄变换提取的心音包络基础上,对50例正常人心音样本进行了第一心音、第二心音识别,正确率达到了92%,为下一步的心音分析及诊断奠定了基础.     

心音信号的识别与分类

综述了心意地信号识别与分类的基本方法（统计分析方法、神经网络方法）及其研究进展，并对各种方法中存在的主要问题进行了探讨。     

基于功率谱信息熵的异常心音识别

目的：异常心音识别是心血管疾病检测的一种重要手段,为了探究异常心音频域的有用信息,提出了将不同频段的功率谱作为一个独立信源计算其信息熵,从而对房室瓣和动脉瓣异常信号进行判别的一种新方法。方法：实验先将心音信号进行小波包分解,然后利用改进的Welch方法计算信号的功率谱,进而求各频段的功率谱信息熵,再建立支持向量机预测模型来对两种异常心音进行识别。结果：选取二尖瓣狭窄、二尖瓣关闭不全、主动脉瓣狭窄、主动脉瓣关闭不全共27例心音信号进行算法仿真,其中房室瓣异常能够全部检测出来,动脉异常有3例被误判,正确率达到77％;在原有27例信号的基础上,增加3例房室瓣异常和3例动脉异常信号进行算法验证,房室瓣异常信号仍然能够全部被检测出来．动脉异常信号2例被误判。结论：从仿真结果可以看出,该算法对房室瓣异常和动脉异常两种心音信号有较高的识别率。尤其对房室瓣杂音能够完全识别,也表明功率谱信息熵在异常心音的识别中具有重要意义。     

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。     

基于数学形态学和Otsu方法的VHP数据心脏图像分割

针对可视人计划的数据提取心脏图像存在自身的多样性以及局部边界不清晰所造成的分割难问题,提出了一种分阶段的分割方法。即在第一阶段引入数学形态学的方法,提出一种基于形态重构的开闭运算与O tsu阈值分割相结合的方法,对原始图像中的感兴趣区域进行预提取,有效的解决了单一阈值分割方法中存在的缺陷;第二阶段利用形态学变换对预提取图像进行精确分割,最终得到心脏图像。实验结果表明,这种分阶段的分割方法在运算效率以及分割精度上都取到了较理想的结果,对可视人计划的实现具有较高的实用价值。     

一种基于相位相关法及数学形态学方法的眼底血管图像自动拼接方法

眼底图像的快速自动拼接是眼底血管图像定量分析的必要前提。首先运用数学形态学的‘开’运算从原始图像中分离出灰度分布高度不均的背景图像。经图像增强，采用相位相关法求出图像间的平移量。结果表明：本文方法具有错配率低、速度快、拼接处光滑过渡并能同时增强血管对比度的优点     

心率反馈调节系统的数学模型及其仿真研究

我们研究了由于血压变化引起心率变化的生理反馈调节机理 ,并建立了心率反馈调节系统的连续闭环数学模型。在此基础上进行了计算机数值仿真研究 ,仿真结果验证了该调节系统具有抑制有限幅度血压波动的能力。本研究的工作对于某些高血压症的病理研究具有一定的参考价值。