一种基于小波变换的脑电信号癫痫特征波的识别算法

目的通过选取小波变换的多尺度特性算法,能够快速而准确的从脑电图信号中识别癫痫特征波。方法确定癫痫脑电的3种特定的病态波形,选取小波变换的多尺度特性算法,分析处理16导标准脑电信号。结果分离出癫痫特征波,并对特征波进行识别,从而得到对癫痫的诊断;在此基础上将癫痫特征波反映射到16导标准电极,应用相关源电位软件对癫痫灶进行初步定位。结论小波变换的多尺度特性算法可以实现对癫痫脑电信号特征波的自动检测和病灶定位,有助于临床诊断和筛查癫痫。     

癫痫脑电涟波的小波方差预测方法

采用小波包分析提取癫痫发作前脑电信号的万波、口波、涟波和快速涟波,提出采用脑电信号的小波方差作为癫痫发作的特征量,并选择其中的涟波和快速涟波的小波方差对癫痫发作进行预测。     

基于Morlet小波的事件相关脑磁图ERD/ERS分析方法

目的：验证基于Morlet小波的ERD/ERS计算方法在事件诱发脑磁图中的应用效果。方法：采用Morlet小波对事件相关脑磁图数据和静息状态下采集到的脑磁图数据进行小波变换,根据变换后的结果计算ERD/ERS值,分析alpha,beta,gamma频段的ERD/ERS值变化趋势。结果：通过对一段运动诱发脑磁图数据的分析,采用该方法得到的左、右运动皮层的ERD/ERS结果和文献中报道的结果相一致。结论：基于Morlet小波的事件相关脑磁图ERD/ERS分析方法能够有效分析事件诱发脑磁图的锁时但不锁相的变化。     

基于小波变换的磁共振图像增强

磁共振成像技术能在体外对疾病进行无损和无创伤检测,但其图像极易被噪声污染,有必要进行增强处理。本文对小波变换进行了介绍,重点分析其在图像增强处理方面的优点,并给出具体的算法实现步骤。最后给出了本算法用于磁共振图像增强的实例,对结果进行了讨论和展望。     

脑电节律提取的小波变换方法

脑电（EEG）信号是种基本的人体生理信号．具有极其重要的临床和科研价值。为了提取脑电节律．提出一种基于小波变换的方法。这种方法使用Daubechies正交小波基．首先把EEG信号在其上进行多尺度分解．在某些尺度上对干扰信号进行消除．然后提取动态脑电节律。此方法不仅可以有效的消除脉冲干扰．而且能够很好地对脑电基本节律信号进行提取。     

基于小波变换的病灶心音信号识别

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。     

脉搏波的小波变换过零点分析方法研究

目的：探索中医脉诊客观化的新方法。方法：根据小波变换过零点和信号突变点之间的关系，分别运用小渡变换过零点表征检测脉象时域特征点和备特征点脉搏信号变化的快慢。结果：通过对30例年龄在20-25之间健康人脉象时域特征点过零点位置的统计和其变化快慢的计算．准确定位了其脉象时域特征点过零点位置。结论：应用这种方法可以比较准确地分析脉象信号所携带的各种信息，从而为中医脉诊客观化提供了一种新方法。     

小波分析在早老性痴呆脑电诊断中的应用

运用小波变换(WT)对老年痴呆(AD)患者与正常老人在安静闭眼时的脑电(EEG)数据进行了多尺度空间能量分布特征提取。初步比较分析表明，与正常人相比，AD患者EEG能量在中高频段α(8～16Hz)显著较低(严重时可低至正常人的5％)，而在低频段8(0～4Hz)的能量却明显偏高(可达正常人的几倍到几十倍)。研究结果提示，可考虑试用小波分析提取脑电能谱分布特征作为AD临床工程诊断的特异性指标。     

基于小波变换的高血压病特征提取

介绍了用正交小波作为小波变换的基函数,对脉搏信号做多尺度不同频带分解,通过功率谱密度分析发现无论正常与否第4层细节信号能量主要集中在3-5Hz,而第5层细节信号能量集中在1-3 Hz。分别计算两者的能量作比较,结果表明,与正常信号相比,高血压信号3-5Hz频带内的能量显著增大。     

小波变换在事件诱发脑磁图分析中的应用

目的:验证基于Morlet小波变换的时频分析方法在事件诱发脑磁图中的应用效果。方法:根据Morlet小波变换的数学原理及特点,对脑磁图数据进行时频分解,采用时频能量分布图和锁相因子分布图表示脑磁图信号。结果:从脑磁图数据中有效提取了锁相和非锁相的能量变化信息。结论:Morlet小波变换的时频分析方法能够适应脑磁图信号是时变非平稳信号的特点,从中提取出感兴趣的信息。     

基于小波变换的医学图像压缩技术研究

以CT、MRI等医学图像组为对象，研究一种基于小波变换的医学图像数据无失真压缩编码方法。利用小波变换实现图像的多分辨率分解．然后再对变换后的小波图像进行动态Huffman编码。最终实现压缩比较大的图像无失真压缩编码。实验表明．该方法在压缩比和重建图像质量上均达到了较好的性能。     

基于小波变换的数字影像的边缘检测与降噪

目的研究医学数字影像的降噪法,提高临床大夫对医学影像细节的诊断能力。方法采用图像的多尺度小波变换局部模最大值进行空域滤波(主要是边缘检测及降噪)的方法。结果此方法得到了满意的边缘检测和降噪结果,克服了传统方法的缺点。结论此方法降噪能力强,定位精度高。     

应用小波变换模极大值检测ECG特征点

利用小波变换模极大值对ECG信号进行奇异性检测，提取ECG信号P波、T波和QRS波群的特征点，具有定位准确，检出率高的特点。实验中选用Mexicanhat连续小波算法，应用MATLAB6．5对MIT-BIH心电数据库的数据进行处理，证实了算法的有效性和可靠性。     

基于希尔伯特-黄变换和提升小波包相结合的心音信号识别研究

目的：研究基于希尔伯特-黄变换和提升小波包相结合的方法对正常和异常心音信号识别的效果。方法：首先用DB6小波对心音信号进行降噪处理,然后用希尔伯特-黄变换分析提取心音信号的时域、频域特征值,再通过自适应提升小波包提取信号的频带能量特征值,最后通过支持向量机对心音信号进行分类识别。结果：对临床采集的240例异常心音和正常心音进行实验,正确识别率达到97.2%,且运算速度很快。结论：希尔伯特-黄变换和自适应提升小波包相结合的方法可有效识别正常和各种异常的心音信号,值得推广应用。     

基于小波变换的中医脉象信号特征提取与分析

利用小波变换所具有良好的时——频局部化的能力和对非平稳信号突变点的检测能力。实现对脉象信号同时进行时域、频域特征值的提取和分析；并提取了脉象在不同时间——尺度上的能量特征，可以作为脉象的新的特征值，用于脉象信号的辨识。经1456例临床脉象检测，不仅极大地提高对平、浮、沉、迟、数、虚、实、滑、涩、洪、弦、促、结、代等基本脉的识别率（准确率〉90％），对于由上述基本脉构成的临床常见的相兼脉也有相当高的识别能力（准确率〉82％）。     

小波变换在医学影像技术中应用

目的:探讨在医学影像技术中小波变换的应用。方法:比较傅里叶变换和小波变换的特点。结果:小波变换适用于医学影像处理。结论:小波变换可用于医学影像的压缩和融合。     

基于小波分析的胃电信号处理

目的：体表胃电图（EGG）是研究胃动力学特性和功能性胃疾病诊断的重要依据,而从人体直接采集的胃电信号都含有干扰成分,不能直接应用于临床诊断。将小波分析运用到胃电信号的处理中,对信号进行去噪、重构等实验,用此方法对胃电信号进行处理。方法：以矩阵实验室（MATLAB）为工具,利用小波变换的多分辨率特性,将含有噪声的胃电信号进行多尺度分解,得到不同频带的子带信号,对含有干扰频率的子带信号进行去除,选择与胃电信号频率最为相关的子带进行重构。结果：此方法取得了较理想的胃电图。结论：小波分析是一种简单有效的信号处理方法,使EGG在临床诊断中更具有实际意义。     

心电信号的非线性小波检测方法

将非线性小波方法应用于心电信号的检测。利用二进Daubechies小波对有高频噪声干扰的心电信号按Mallat算法进行小波分解;探讨了非线性小波检测方法;结合Lipschitz指数判据,将其应用于高频干扰心电信号的去噪,实现了滤除噪声的同时又有效地恢复了心电信号。