基于MAR模型和优先权的多类别ECG分类诊断

目的 提出一种能体现类别间重要性差异的心电信号(ECG)特征提取方法,同时弥补传统特征提取法缺乏解决优先权分类问题能力的不足.方法 收集MIT-BIH database中的正常窦性心律(NSR)、心房早期收缩(APC)、心室早期收缩(PVC)、心室性心动过速(VT)、心室纤维性颤动(VF)和室上性心动过速(SVT)各250例进行分类研究,提出一种新型的主观引导特征提取法,在某一准则和主观意图引导下,构造出特征投影矢量,获得有利于具有优先权类别的分类特征.结果 与传统线性鉴别分析法(LDA)相比较,该方法可将优先类分类精度平均提高12%.结论 主观引导特征提取法使优先类能得到更好分类的同时,其他各类也能得到较好的分类.     

基于神经网络的冠心病无创诊断方法研究

目的提取心电信号（ECG）特征参数,采用人工神经网络研究冠心病无创诊断新方法。方法对ECG进行A/D转换和数字滤波,提取QRS波宽度、R-R间期和ST段电平3个特征参数,作为神经网络的输入量,采用3层结构反向传播人工神经网络对信号样本进行训练,然后应用该网络对未处理的ECG样本进行识别。结果BP网络对12个信号样本经过约1500次训练,网络可从样本中正确识别出冠心病和非冠心病样本,应用该网络对20个未处理ECG样本进行识别,除一个样本之外,其余样本同样可被正确识别。结论研究表明本文基于ECG特征参数和神经网络的无创诊断方法具有很好的应用前景。     

多参数MRI对移行区前列腺癌诊断的Logistic回归模型分析

<正>摘要目的本文旨在建立Logistic回归(LR)模型,进而采用多参数MRI(mp-MRI)对移行区前列腺癌进行分类。方法155例病人[远期组(training cohort)70例;近期组(tempo-     

基于PI-RADS V2.1评估双参数和多参数MRI对外周带临床显著性前列腺癌的诊断价值

【摘要】目的：基于第2.1版前列腺影像报告和数据系统（PI-RADS V2.1）评估双参数（bpMRI）和多参数磁共振成像（mpMRI）对外周带临床显著性前列腺癌（csPCa）的诊断价值。方法：回顾性分析154例经穿刺活检或手术病理证实的前列腺外周带病变患者的临床和MRI资料。154例患者中,前列腺癌为75例,其中csPCa 63例,无临床意义PCa（ciPCa）12例,良性病变79例。由两位放射科医师（分别具有3和10年前列腺MRI诊断经验）基于bpMRI和mpMRI分别对前列腺外周带主病灶进行PI-RADS评分,绘制其受试者工作曲线（ROC）,根据约登指数确定临界值,计算并比较两种方法的曲线下面积（AUC）及诊断符合率、敏感度、特异度、阴性和阳性预测值。结果：基于bpMRI和mpMRI,两位医师对病变PI-RADS评分的一致性均较好（Kappa值分别为 0.746和0.688）。低年资医师基于bpMRI 和mpMRI的PI-RADS评分诊断csPCa的AUC分别为0.761和0.774,差异无统计学意义（Z=1.469,P＞0.05）;高年资医师基于bpMRI和mpMRI的PI-RADS评分诊断csPCa的AUC分别为0.773和0.778,差异无统计学意义（Z=0.643,P＞0.05）。两位医师基于mpMRI的诊断敏感度均显著高于bpMRI（90.5% vs. 73.0%、90.5% vs. 70.8%,P均<0.01）,而诊断特异度均低于bpMRI（60.4% vs. 69.2%、61.5% vs. 71.4%,P均<0.05）。结论：不同年资医师基于bpMRI和mpMRI的PI-RADS评分对外周带csPCa的检测具有相近的诊断效能;bpMRI能使部分患者避免不必要的动态增强扫描,因而具有更佳的临床效益。     

基于脑部T2WI病灶影像组学的机器学习模型鉴别多发性硬化和视神经脊髓炎谱系疾病的多中心研究

目的探讨基于脑部T2WI病灶影像组学的机器学习模型鉴别多发性硬化(MS)和视神经脊髓炎谱系疾病(NMOSD)的效能。方法回顾性分析2009年1月至2018年9月在首都医科大学附属北京天坛医院、南昌大学第一附属医院东湖院区、天津医科大学总医院、首都医科大学宣武医院接受诊治的MS和NMOSD患者223例的资料, 按照7∶3的比例完全随机分为训练集(156例)和测试集(67例)。收集2009年1月至2018年9月在复旦大学附属华山医院、吉林大学中日联谊医院接受诊治以及2020年3月至2021年9月在南昌大学第一附属医院象湖院区接受诊治的MS和NMOSD患者共74例作为独立的外部验证集。对患者进行脑部横断面MR T2WI, 从T2WI中提取影像组学特征, 通过最小冗余最大相关性和最小绝对收缩和选择算子算法进行特征选择, 之后构建各种机器学习分类器模型(logistic回归、决策树、AdaBoost、随机森林或支持向量机)鉴别诊断MS与NMOSD。采用受试者操作特征曲线的曲线下面积(AUC)评估训练集、测试集、外部验证集中各分类器模型的性能。结果基于多中心的T2WI, 共提取了11个与区分MS和...     

基于正交合成的两导联心电信号的分析与处理

目的 进一步挖掘出两导联心电信号中潜在的信息，探讨一种分析与处理两导联心电信号的新方法，即心电正交合成图法。方法 从MlT心电数据库中的实际病例中截取几段有代表意义的心拍，绘制出相应的心电正交合成图，并进行定性和定量分析。结果 所研究的病例中各类心拍的心电正交合成图形态差别明显，提取的QRS环最大向量的幅度、角度等指标能有效地区分各类心拍，从而进一步掌握逐个心拍心脏电活动的变化特征。结论 本文提出的心电正交合成图这一方法简单、可行，适应于载人航天的特殊需要，充分利用了目前的航天导联系统。     

一种抑制心电信号50 Hz工频干扰的改进Levkov方法

目的 探讨一种用于抑制心电信号中５０Ｈｚ工频干扰的新方法。方法 在Ｌｅｖｋｏｖ滤波法的基础上,加入ＱＲＳ开关函数,并用此法与几种常用的滤波方法进行比较。结果 该方法算法简单,处理速度快,对强、弱噪声滤波效果都较好。结论 该方法对于抑制心电信号中５０Ｈｚ工频干扰有很好的应用前景。     

一种基于二维图像的心电显示与处理的方法

目的 将心电矩阵进行图像化表达,从而展现心拍群波形的整体形态.方法 以逐拍心电波形为列矢量构造二维矩阵X;X通过平移与比例变换成为适于进行图像显示的矩阵Z;对矩阵Z进行图像化显示与处理.结果 可视化心电矩阵能够直观反映心拍群的波形形态,如ST区域矩阵有助于检测心肌缺血.结论 图像化心电矩阵同时具备整体性与直观性...     

基于运动心脏模型的心电仿真

目的：心脏－躯干是产生心电信号的激励源－信号处理系统,心电正问题的核心内容是研究心脏电偶极子和躯干的形状与电学特性对体表电位的影响。活体心脏收缩／舒张和扭转是心脏的一个基本性质。本文的目的是考查这种这种运动对体表电位的影响。方法：根据超声心动图的实测数据,在传统的静态心室模型基础上,利用三维空间的尺度变换和旋转变换,分别表示心肌的收缩/舒张运动和扭转运动,建立面向心电正问题的运动心脏模型。然后,实现心电传播仿真和心电场求解,计算体表心电图。结果：仿真了12导心电波形,发现相对于静态模型,运动模型对ST段形态影响较大。结论：为了更有效地进行心电场求解,建立面向心电仿真的运动心脏模型是必要的。     

一种基于心率和深层学习的心电图分类算法

目的研究适用于远程医疗服务系统、体检中心和临床应用的心电图(electrocardiogram,ECG)正异常分类算法。方法首先,通过心率筛除异常数据。然后,对于心率判为正常的心电图,采用LCNN对心电图再次进行正异常分类,并对多个LCNN的分类结果进行融合。结果在15万多条记录的临床数据集上测试,取得了84.77%的准确率,85.19%的灵敏度和84.45%的特异性。结论该实验结果优于对照文献,同时对应用于远程医疗和体检中心的计算辅助分析方法具有一定的参考价值。     

一种基于MBE和HHT的心电信号自动分类方法

目的研究一种基于多尺度化基本尺度熵(multiscale base-scale entropy,MBE)和希尔伯特-黄变换(Hilbert-Huang transform,HHT)的心电信号自动分类方法。方法首先利用离散小波变换对心电信号进行去噪预处理;其次利用多尺度化基本尺度熵进行分析,提取多个尺度下的基本尺度熵值;然后利用希尔伯特-黄变换得到希尔伯特边际谱,并求取边际谱的信息熵;最后将这两部分特征参数输入到支持向量机中,实现心电信号的自动分类。结果健康人、心律不齐患者、呼吸暂停患者和房颤患者的心电信号分类准确率分别为87.5%、93.75%、90.63%和90.63%。结论本文提出的基于多尺度化基本尺度熵和希尔伯特-黄变换的分类方法,可以有效实现心电信号的自动分类。     

基于时频分布的表面肌电信号瞬时中值频率的研究

目的 采用时频分析法分析表面肌电信号瞬时中值频率。方法 采用平滑伪-魏格纳分布、乔伊-威廉姆斯分布、谱图和尺度图等方法,估计模拟和真实表面肌电信号的瞬时中值频率,讨论这些分布在估计肌电信号瞬时中值频率时的性能,并与条件平均频率进行比较。结果 模拟实验表明瞬时中值频率曲线比条件平均频率曲线光滑,相对误差较小。真实肌电信号实验显示,在肌肉收缩过程中,瞬时中值频率比条件平均频率的波动更明显。结论 肌电信号瞬时中值频率比条件平均频率更能真实和敏感地反映表面肌电信号频率成分的变化。     

滤除ECG中肌电和宽频率范围工频干扰的小波算法

目的 设计小波去除噪声方法消除心电内肌电和宽频率范围的工频干扰。方法 根据QRS波群含有的最高频率成分较高,T波和P波含有的最高频率成分较低的特性,选取双正交小波将原始信号分解,将各尺度上系数重新组合,然后再重构,得到消噪后的心电。结果 受肌电干扰的心电信号分别叠加幅度为20%的49Hz和61Hz工频干扰的心电信号,经小波消噪算法后49Hz至61Hz工频干扰和肌电干扰已消除,结论 该方法可以很好地去除肌电干扰和工频干扰的基频和谐波成分,而对工频干扰的频率变化并不敏感,对于50/60Hz的工频干扰可用同样的算法。     

基于最小二乘支持向量回归建模方法的人机系统操作员功能状态分析

目的建立具有很强预测能力的数学模型来准确评估人机系统操作员功能状态(Operator Function-al States,OFS)。方法基于采集到的一系列操作员电生理信号及性能数据,采用最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)方法对OFS建模。通过网格搜索和10-折交叉验证方法对模型参数进行优化,并将LSSVM与基于遗传算法的模糊建模方法进行比较。结果模型基本能反映OFS的实际变化趋势,输出误差在可接受的范围之内且与基于遗传算法的模糊建模方法得到的模型输出误差相比较小。结论 LSSVM方法具有更好的泛化性能,将其用于OFS评估是有效的。