共查询到16条相似文献,搜索用时 125 毫秒
1.
目的:研究一种可用于辅助诊断的心音信号分析系统,通过对心音进行检测和处理,起到辅助心脏疾病诊断的作用。方法:系统通过对心音信号进行采集和预处理,并通过ZigBee技术无线传输至PC,利用Matlab信号分析工具对数字心音信号进行处理,实现心音的自动定位及特征提取,进而判断心音中是否包含病理性杂音。结果:设计的系统能够有效地检测人体的心音信号,处理算法能够准确定位第一心音和第二心音的位置,对心脏疾病的辅助诊断具有重要意义。结论:所设计的信号采集系统电路可靠、操作简单、成本低廉,能够实现数据的实时无线传送,适用于家庭监护;借助小波分析提取包络的方法来定位S1、S2,算法简便,耗时较短,适用于实时分析。 相似文献
2.
目的:研究一种用于心音信号进行自动识别的算法。方法:对去噪后的心音提取信号包络,结合心音相关的生理学知识以及大量临床心音数据的统计分析结果,对心音信号进行识别,自动将S1、S2、收缩期和舒张期进行区分,以便于心音相关特征参数的提取和进一步的处理。结果:应用该算法对正常心音信号、心律不齐和早搏二联律等3类信号进行仿真实验,识别正确率达到了98%。结论:该算法可以用于心音分析中的自动识别。 相似文献
3.
4.
5.
6.
基于虚拟仪器的数字心音图分析仪的设计研究 总被引:1,自引:1,他引:0
目的:研究开发基于虚拟仪器的数字心音图分析仪.方法:设计了一种基于LabVIEW虚拟仪器的数字心音图分析仪,它包括心音传感器、心音模拟放大滤波电路、AD转换电路、数据传递电路和基于LabVIEW的心音分析软件,同时设计了三导联心电采集电路和LabVIEW显示模块,作为心音定位的参考.结果:该分析仪实现了体表心音的采集和实时显示,心音信号的频谱分析以及临床听诊库的管理.结论:基于虚拟仪器的数字心音图分析仪能够为心率失常和异常杂音等疾病提供辅助诊断,同时也可作为听诊教学的教学工具. 相似文献
7.
8.
目的:设计一种可视化心音诊断教学系统,帮助初学者从“听”和“视”2个方面来学习和掌握不同心音的特点.方法:系统首先将读入的信号用fir滤波器进行滤波,之后采用S变换提取信号包络,并分别从ARMA双谱分析、CWD分布2个不同方面进行分析,来提取心音信号的三维特征,以Delphi为开发平台,结合第3方组件DewLab Studio、AudioLab、PlotLab,以及Python语言进行系统开发.结果:设计的系统能够采集、显示、处理、存储心音信号.结论:该系统从可视、可听2个方面改进心音教学效果,系统简单、经济、功能较强,适合心音诊断教学. 相似文献
9.
目的:为了便于对心音信号进行分析,提高操作经验不足人员的分析能力和病情诊断效率,实现对于病症的快速鉴别。方法:引入短时傅里叶变换(STFT)理论进行算法分析研究,利用LabVIEW201l进行编程设计,实现将一维的心音信号图形转化为有较强识别特征的强度图谱形式。结果:成功利用所设计的程序实现对心音信号基于STFT的图谱分析,简化了对于病情判别过程,提高了工作效率。结论:采用心音信号的STFT分析方法能够实现对于心音信号分析的优化,可以起到预想的作用。 相似文献
10.
心音信号分析在无创诊断心血管疾病中发挥着重要作用,病灶心音信号中包含大量的心脏疾病信息。本文根据心音信号频率分布的特点,采用小波变换算法,在不同的尺度上对心音信号进行提取分析,将不同尺度的高频部分进行重构,分别计算其能量,再对比正常心音在相应尺度上的能量分布,通过仿真可实现对病灶信号的识别。本文方法能够准确识别病灶信号,由于较少采用复杂度高的算法方法,因而具有较高的检测效率。 相似文献
11.
12.
13.
Can Wang Jianxin Peng Lijuan Song Xiaowen Zhang 《Australasian physical & engineering sciences in medicine / supported by the Australasian College of Physical Scientists in Medicine and the Australasian Association of Physical Sciences in Medicine》2017,40(1):127-135
Obstructive sleep apnea hypopnea syndrome (OSAHS) is a serious respiratory disorder. Snoring is the most intuitively characteristic symptom of OSAHS. Recently, many studies have attempted to develop snore analysis technology for diagnosing OSAHS. The preliminary and essential step in such diagnosis is to automatically segment snoring sounds from original sleep sounds. This study presents an automatic snoring detection algorithm that detects potential snoring episodes using an adaptive effective-value threshold method, linear and nonlinear feature extraction using maximum power ratio, sum of positive/negative amplitudes, 500 Hz power ratio, spectral entropy (SE) and sample entropy (SampEn), and automatic snore/nonsnore classification using a support vector machine. The results show that SampEn provides higher classification accuracy than SE. Furthermore, the proposed automatic detection method achieved over 94.0% accuracy when identifying snoring and nonsnoring sounds despite using small training sets. The sensitivity and accuracy of the results demonstrate that the proposed snoring detection method can effectively classify snoring and nonsnoring sounds, thus enabling the automatic detection of snoring. 相似文献
14.
15.
16.
目的:在颈总动脉的B超图像中,由计算机自动定位颈总动脉正常内中膜组织位置。方法:编制Matlab程序,在采集的B超样本图像中进行实验。基本算法思想为在颈总动脉水平径向位图像中,搜索各像素列,探查像素自上而下的灰度值变化,当检测到长距离低像素(<5)而后出现高、低和更高的像素值变化时,认为找到了内中膜位置。进行多点探测,取最佳位置。结果:选取5幅正常颈总动脉的水平径向位B超图像,程序运行结果均能够准确定位内中膜位置。结论:利用计算机在颈总动脉超声图像中自动定位正常内中膜位置是可行的,为进一步实现内中膜厚度测量、动脉硬化斑块分析的自动化提供了基础。 相似文献