两导心电信号独立分量分析算法的研究

根据独立分量分析(ICA)理论,要想在观测信号中提取出独立分量,观测信号的数目必须大于或等于独立分量的数目,因此要求采用ICA算法的胎儿心电图机导联数必须大于一定数目,但在实际应用中常常难以满足这个条件。故本文提出了一种基于少数导联心电(ECG)信号的胎儿心电(FECG)提取算法,结合FECG和自适应噪声抵消算法,从两导采集于孕妇腹部体表的ECG信号中提取FECG。实验表明,该方法能够获得清晰的FECG信号。     

心房活动电生理信号特征提取

为从12导联体表心电图中有效地提取反映心房活动的电生理信号,构造一种稀疏表示下的独立成分分析模型。首先,对采集到的12导联体表心电信号进行预处理,然后通过小波变换,实现心电信号小波域的稀疏表示形式,对变换后的心电信号进行独立成分分析,并通过频谱分析确定出反映心房活动的电生理信号源。讨论了平均房颤周长的这一测量指标在房颤患者中的具体应用。实验表明,该方法可以有效提取心房活动的电生理信号,将对心房活动电生理的深入研究产生积极影响。     

基于连续小波变换的心电信号特征提取及其仪器实现

介绍了一种用于心电信号的记录和识别的虚拟式测量和分析仪器系统，目的是要构建一种基于PC的虚拟仪器．能够实现十二导联心电信号的同步记录、同步整体观察及测量12导联同一心动周期的波形，从而提高心电参数测量的准确性。同时，由于Mexican hat小波特有的时域特性，对QRS波群具有很好的定位特性和分析精度，因此在本仪器中利用连续小波变换，选用Mexicanhat作为小波基，对心电信号中的特征信息进行精确检测，并给出准确的心电信号特征描述参数。对临床实测心电信号的分析表明，即使在有严重噪声干扰的情况下，本方法也很容易实现对心电信号特征信息的精确描述，并且具有很高的实时性，从而在本仪器中获得了实际和有效的应用。     

心电信号预测冠心病的粗糙集方法

应用粗糙集理论对心电图波形所蕴涵的大量信息进行处理，目的是评价心电信号实测指标与冠心病的关系。通过对心电图导联I中采集的心电信号进行属性约简，降低决策表的冗余性，提取用于判别冠心病的重要属性和诊断规则。实例分析表明，粗糙集理论应用于心电信号分析，可得到清晰简明的诊断规则，有助于冠心病的临床诊断。     

基于深度卷积神经网络的肥厚型心肌病自动检测模型

肥厚型心肌病（HCM）的早期诊断,对于心源性猝死的早期风险分级、家族遗传病的筛查具有重要意义。本文以单导联心电（ECG）信号为研究对象,提出了一种基于卷积神经网络（CNN）模型的HCM自动检测方法。首先定位单导联ECG信号的R波峰值位置,再以心拍为单位对ECG信号进行分段和重采样,然后搭建CNN模型自动提取ECG信号中的深层特征并进行自动分类和HCM检测。本文实验数据来源于PhysioNet提供的三个公开数据库中提取的108条ECG记录,所建立的HCM心电数据库由14 459个心拍构成,每个心拍包含128个采样点。实验结果显示,优化后的CNN模型能够有效地对HCM进行自动检测,其准确率、灵敏度和特异度分别为95.98%、98.03%和95.79%。本文通过将深度学习方法引入HCM单导联心电分析中,对于克服常规多导联心电检测方法的技术限制和协助临床医生进行快速、便捷的大范围HCM初筛都具有重要的应用价值。     

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。     

独立分量分析的研究和脑电中心电干扰的消除

本文研究和提出了一种用于独立分量分析的迭代算法 ,采用该算法成功地消除了存在于脑电信号中的心电干扰。基于信息论原理 ,给出了一个衡量各分量统计独立的目标函数 ,优化该目标函数 ,得出一种用于对独立分量进行盲分离的迭代算法 ,该算法的优点在于不需要计算信号的高阶统计量 ,收敛速度快。该算法使用一种去冗余方法 ,在提取一分量后 ,将其从混迭信号中去除 ,能逐一提取各独立分量。实验结果表明独立分量分析可有效地去除脑电信号中的心电干扰成分     

应用自相关和独立分量分析的胎儿心电信号提取

目的:胎儿心电信号在监护胎儿健康状况过程中有着重要的作用。通常从孕妇腹部采集到的混合心电信号中提取出胎儿心电信号,孕妇腹部信号是准周期性的时间信号,其采样点存在着先后关系,传统的独立分量分析(ICA)算法在分离过程中没有考虑信号的时间相关性,针对这一问题提出了一种新的方法提取胎儿心电信号。方法:首先采用自相关分析可以得到混合信号具体的周期长度,根据周期长度进行片段截取信号后可以去除其时间相关性,再利用传统的FastICA分离截取信号得到ICA模型的模型参数,最后利用此模型参数从完整的混合信号中提取出胎儿心电信号。结果:使用临床数据进行了实验验证,分别使用传统的FastICA和新的方法提取胎儿心电信号,结果表明采用新方法提取出的胎儿心电信号中母体成分干扰得到了很好的抑制,胎儿心电信号比较清晰,分离效果优于传统的FastICA。结论:该方法可以清晰地提取出胎儿心电信号,在胎儿心电信号提取中具有很高的实用价值。     

12导联同步心电图异常波形数据库生成系统与波形分析初步

建立了 12导联同步心电异常波形数据库生成系统 ,并在此基础上研究了 12导联心电图实时分析与基于小波变换的QRS波自动识别算法。本研究可为临床医疗、教学和科研及心电自动分析软件和仪器的研制奠定基础 ,便于与国际心电数据库接轨。     

二维富里叶变换方法在逐搏心电图频率分量变异性分析中的 …

晚电位是在体表心电信号趴有高频分量的微弱信号（１￣２０μＶ），通常能在患有室性心动过速病人心电记录中观测到，这些信号的评估需要十分复杂的信号记录技术（对于单搏分析）或信号平均技术，然而，信号平均可能会掩盖风险信息，因此，发展了依赖于１２８个连续心搏中的８０ｍｓ数据段进行二维富里叶变换的单搏谱变异（ＳＢＳＶ），这个方法描述了这些心电片段频率成份的搏变异特性，一个参数函数使得对晚电位的客观探讨成为可能     

心动周期信号中独立成分的分离

采用一项新的统计信号处理技术——独立成分分析提取心动周期信号子成分。从 10名受试者的仰卧和站立体位分别采集 8m in心电信号 ,进而提取心动周期信号。按时间延迟把心动周期信号分成 5组 ,进行独立成分分析 ,重构出两组成分。两组成分分别经傅立叶变换 ,结果显示一组信号成分集中于低频区域 (称为 IC1) ,另一组集中于高频区域 (称为 IC2 )。从仰卧位到站位 IC1的功率显著增加 (P<0 .0 1) ,IC2的功率没有显著的变化 (P>0 .0 5 ) ,IC1的功率占总功率的比值显著增加 (P<0 .0 1)。两体位的比较研究结果表明采用独立成分分析心动周期信号得到的两组成分中 ,IC1可以表征交感神经系统的活动 ,而 IC2表征了副交感神经系统的活动。由这些成分得到的数字和图谱信息可以分别定量评价交感和副交感神经系统的功能     

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。     

An Analog Front End for Recording Neuronal Activity in Freely Behaving Small Animals

Extracting characteristic brain signals and simultaneous recording animals behaving could help us to understand the complex behavior of neuronal ensembles. Here, a system was established to record local field potentials （LFP） and extracellular signal or multiple-unit discharge and behavior synchronously by utilizing electrophysiology and integrated circuit technique. It comprised microelectrodes and micro-driver assembly, analog front end （AFE） , while a computer （ Pentium III ） was used as the platform for the graphic user interface, which was developed using the LabVIEW programming language. It was designed as a part of ongoing research to develop a portable wireless neural signal recording system, We believe that this information will be useful for the research of brain-computer interface.     

Applicability of independent component analysis on high-density microelectrode array recordings

Emerging complementary metal oxide semiconductor (CMOS)-based, high-density microelectrode array (HD-MEA) devices provide high spatial resolution at subcellular level and a large number of readout channels. These devices allow for simultaneous recording of extracellular activity of a large number of neurons with every neuron being detected by multiple electrodes. To analyze the recorded signals, spiking events have to be assigned to individual neurons, a process referred to as "spike sorting." For a set of observed signals, which constitute a linear mixture of a set of source signals, independent component (IC) analysis (ICA) can be used to demix blindly the data and extract the individual source signals. This technique offers great potential to alleviate the problem of spike sorting in HD-MEA recordings, as it represents an unsupervised method to separate the neuronal sources. The separated sources or ICs then constitute estimates of single-neuron signals, and threshold detection on the ICs yields the sorted spike times. However, it is unknown to what extent extracellular neuronal recordings meet the requirements of ICA. In this paper, we evaluate the applicability of ICA to spike sorting of HD-MEA recordings. The analysis of extracellular neuronal signals, recorded at high spatiotemporal resolution, reveals that the recorded data cannot be modeled as a purely linear mixture. As a consequence, ICA fails to separate completely the neuronal signals and cannot be used as a stand-alone method for spike sorting in HD-MEA recordings. We assessed the demixing performance of ICA using simulated data sets and found that the performance strongly depends on neuronal density and spike amplitude. Furthermore, we show how postprocessing techniques can be used to overcome the most severe limitations of ICA. In combination with these postprocessing techniques, ICA represents a viable method to facilitate rapid spike sorting of multidimensional neuronal recordings.     

Effect of signal length on the performance of independent component analysis when extracting the lambda wave

The aim of the study was to investigate the effect of signal length on the performance of a signal source separation method, independent component analysis (ICA), when extracting the visual evoked potential (EP) lambda wave from saccade-related electro-encephalogram (EEG) waveforms. A method was devised that enabled the effective length of the recorded EEG traces to be increased prior to processing by ICA. This involved abutting EEG traces from an appropriate number of successive trials (a trial was a set of waveforms recorded from 64 electrode locations in a study investigating saccade performance). ICA was applied to the saccade-related EEG and electro-oculogram (EOG) waveforms recorded from the electrode locations. One spatial and five temporal features of the lambda wave were monitored to assess the performance of ICA applied to both abutted and non-abutted waveforms. ICA applied to abutted trials managed to extract all six features across all seven subjects included in the study. This was not the case when ICA was applied to the non-abutted trials. It was quantitatively demonstrated that the process of abutting EEG waveforms was useful for ICA preprocessing when extracting lambda waves.     

电子鼻信号处理方法的研究进展

本文首先介绍了电子鼻的概念和发展、人工嗅觉结构和发展概况、电子鼻信号处理的重要性和发展状况、电子鼻信号处理的一些典型应用例子和历史过程 ,最后介绍了近来崛起的遗传算法和独立成分分析 (ICA)以及它们在电子鼻信号处理中的应用前景和展望     

基于经验模式分解和独立分量分析的单导少次EP信号提取

EP信号的单导少次提取一直是生物医学信号处理领域倍受关注的问题。本研究利用经验模式分解（EMD）,把单导脑电信号（EP＋EEG）分解成多个基本模式分量（IMF）之和,进而选取合适的基本模式分量或者它们的组合,构成1导或多导参考信号,再利用独立分量分析（ICA）成功提取出了期望的EP信号,从而克服了ICA需要多导观测信号的要求。仿真实验证明了本方法的有效性。     

ICA在肠鸣音信号处理中的应用研究

目的:肠鸣音的去噪及时域特征提取.方法:本文首先分析了独立分量分析的基本原理,研究了FastICA算法,并给出了此算法的具体实现步骤.然后利用该方法对肠鸣音进行了处理,并用归一化平均香农能量分布提取了肠鸣音的时域特征.结果:上述方法有效地去除了肠鸣音信号中的噪声,发现正常音与异常音的时域特征存在典型差异.结论:肠呜音的检测和处理在胃肠道疾病的诊断治疗中具有重要的价值,实验结果可以看出独立分量分析在肠鸣音信号处理中是非常有效的.     

一种基于独立成分分析的功能磁共振数据处理方法

独立成分分析（ICA）是统计信号处理中的一项新技术，用来从混合信号的多维观测中提取具有统计独立性的成分。我们针对功能磁共振数据处理，采用先对相邻的两体元信号作ICA分离，然后与参考信号进行相关，把相关系数大于一定阈值的体元作为刺激引起兴奋的体元，从而实现刺激的功能定位。经实际脑功能磁共振数据试验，初步证明了方法的有效性。