排序方式: 共有149条查询结果,搜索用时 250 毫秒
21.
背景:在计算机辅助下,从双源CT图像中把三维冠状动脉分割出来能为其定量评价提供基础。但冠状动脉的三维形态复杂多变,且其管径细小,因而实现冠状动脉的高精度分割是一项有挑战性的课题。
目的:解决冠状动脉难以实现高精度分割的问题。
方法:采用三步数据处理策略实现冠状动脉分割。先采用阈值方法对三维双源CT图像进行预分割;然后,采用交互式的策略分割出与主动脉相连的左、右冠状动脉始端;最后,根据冠状动脉始端的位置,利用形态学方法和三维断层图像相邻层间的关系分割出三维冠状动脉。
结果与结论:提出的基于形态学与断层图像层间关系的分割方法能较精确地从双源CT图像中分割出左、右冠状动脉,说明该方法适用于三维冠状动脉的分割。 相似文献
22.
目的 比较逐步回归模型与人工神经网络模型在建立基于气象、环境因子的心脑血管疾病急诊数预测模型的建模效果.方法 使用北京市2008-2011年12项气象逐日常规观测数据并据此生成5个二次气象因子,以及同期的3种污染物浓度数据,并构造3个年份哑变量,共23个变量形成模型的输入.统计同期北京市某医院4年逐日急诊就诊记录资料,并提取其中属于心脑血管疾病的条目构成模型输出训练数据.将所有数据进行周平均处理并以80%,15%和5%的比例分成学习集、测试集与验证集.分别构建逐步回归模型与人工神经网络模型,并使用独立样本(验证集)比较模型预报效果.结果 逐步回归模型经过筛选最终有11个输入变量,而人工神经网络模型结构为23-22-1.在验证集的预报效果指标中,神经网络预报模型的平均绝对误差、误差均值、最小误差以及预测结果与原数据的Pearson相关系数分别为0.9149,-0.003 3,0.01,0.873,均比逐步回归模型(分别为1.355 3,0.4924,0.03,0.836)更为理想.结论 与传统的统计学方法相比,人工神经网络建模方法在建立基于气象、环境因子的心脑血管疾病量预报系统方面更有优势. 相似文献
23.
24.
目的:研究设计一种基于ZigBee无线技术的ICU病房实时监护系统。方法:对该系统的结构和功能进行分析、设计,阐述了生理数据采集及无线传输模块、监护基站和监护中心站的功能设计.并介绍了实现该系统的开发环境及关键技术。结果:该系统采用ZigBee无线技术,可方便患者的治疗,且监护基站和中心站可有效辅助医生诊断治疗。结论:该系统以ZigBee无线通信技术作为生理参数采集的通讯技术。非常适合组建ICU病房监护的前端无线传感网络,可以大大减少危重患者身上的电缆连线,便于对患者进行各种治疗,且该系统的监护基站和中心站可全面、准确记录患者生命体征、医疗、护理情况,方便监察病情的进展,提供医疗、护理策略指导。 相似文献
25.
26.
背景:目前,睡眠呼吸暂停综合征的诊断主要依赖多导睡眠分析仪,该测量方法不但操作复杂、费用昂贵、分析耗时,而且在一定程度上影响患者的睡眠状况。
目的:分析心率变异性与睡眠呼吸暂停综合征的关系,提出一种简便准确的睡眠呼吸暂停综合征的检测算法。
方法:对38名健康者和28例不同程度睡眠呼吸暂停综合征患者的心率数据,采用去趋势波动分析法和自回归模型谱分析法,分析心率变异性与睡眠时相的相关性,并选取患者的性别、年龄以及心率变异性在各个睡眠阶段的标度指数及低频/高频比例作为睡眠呼吸暂停综合征初筛的特征参数,应用模糊支持向量机对睡眠呼吸暂停综合征阳性和阴性进行分类判别。
结果与结论:实验结果表明,模糊支持向量机的分类正确率达到93.94%。与现有睡眠呼吸暂停综合征的诊断方法相比,该方法测量简单方便,具有较高的诊断准确率。 相似文献
27.
背景:目前,异常血压信号检测的主要方法是提取每个心动周期血压信号的特征,再分类识别.由于大多数血压信号是正常的,只有少数异常,如果对每个周期的信号进行检测,效率是比较低的.因此关于异常血流速度信号检测的文章不多见.目的:基于异常信号的频域和时域特征,提出了一种自动标记异常血压和血流速度信号的算法.方法;先从频域上筛选出可能的异常信号,再分析这些可能异常信号的时域特征,从而最终标记出所有的异常信号.结果与结论:异常信号的标记和识别是预处理比较关键的一步,这步对后期信号分析的正确性起决定性作用.目前对于信号的异常标记大都是基于形态学分析判断,往往要遍历所有数据.先从信号的频域特征分析,删选需要判别的对象,提高了计算速度.该算法能够识别出大多数的异常信号,当然也存在一部分的错误标记信号,因为该算法的判断标准还要考虑到后期的处理需要(是否影响信号均值),所以对有些信号人为判断是较模糊的.下一步工作是希望建立异常信号的严格判断标准,并在算法的时域特征选择和判断上做进一步完善. 相似文献
28.
背景:神经皮质(运动区)功能定位可以帮助医生最大限度地切除病灶并避免神经功能损害,关系到病人术后的生存质量。目前的神经皮质(运动区)功能定位方法在速度、准确和安全性方面需要进一步提高。
目的:探讨皮质脑电用于术中神经皮层(运动区)功能定位的可行性和意义。
设计、时间及地点:自身对照实验。本研究采用国际BCI第IV届竞赛数据,由海港医院(华盛顿 西雅图)在2008年6月11日采集,处理由华南理工大学生物科学与工程学院(广东省广州市)在2009年9月完成。
对象:华盛顿西雅图海港医院的3位癫痫病人运动区皮质脑电信号(以下简称ECoG)数据。
方法:采集位于大脑神经皮质(运动)功能区的手指皮质区域的皮质脑电信号数据,同时采集相应手指弯曲运动数据,作自身对照;利用离散db3小波对ECoG数据进行7层小波分解并重构各单子频带信号,提取各单子频带重构信号在运动事件发生前后的能量比(ERD指标)为特征量,比较其大小确定特征频带;构造多个阈值进行特征量分类,结果与相应手指弯曲运动数据比较,比较检出正确率确定特征阈值。将20次试验采集数据分成训练和测试组,分别用于特征提取方法和分类器的设计和性能检测,进行检出正确率分析。
主要观察指标:用于特征提取和分类的特征频带、ERD指标特征量和特征阈值。
结果:以 D6(7.812-15.625 Hz)特征频带重构信号的ERD指标为特征量,以40.5%为特征阈值进行分类,ERD特征明显,识别度高。其分类定位检出正确率达到90%。
结论:自发皮质脑电信号分析可以作为神经皮质运动区功能定位的可靠方法。 相似文献
29.
背景:目前,异常血压信号检测的主要方法是提取每个心动周期血压信号的特征,再分类识别。由于大多数血压信号是正常的,只有少数异常,如果对每个周期的信号进行检测,效率是比较低的。因此关于异常血流速度信号检测的文章不多见。
目的:基于异常信号的频域和时域特征,提出了一种自动标记异常血压和血流速度信号的算法。
方法:先从频域上筛选出可能的异常信号,再分析这些可能异常信号的时域特征,从而最终标记出所有的异常信号。
结果与结论:异常信号的标记和识别是预处理比较关键的一步,这步对后期信号分析的正确性起决定性作用。目前对于信号的异常标记大都是基于形态学分析判断,往往要遍历所有数据。先从信号的频域特征分析,删选需要判别的对象,提高了计算速度。该算法能够识别出大多数的异常信号,当然也存在一部分的错误标记信号,因为该算法的判断标准还要考虑到后期的处理需要(是否影响信号均值),所以对有些信号人为判断是较模糊的。下一步工作是希望建立异常信号的严格判断标准,并在算法的时域特征选择和判断上做进一步完善。
关键词:异常信号;血压;脑血流速度;信号算法;数字化医学 相似文献
30.