基于小波变换和波形信息的P波检测方法

通过小波变换对ECG信号进行分解，根据模极大值对求出所有的P波。之后，用一简单有效的方法求出每个P波的起、终点，再利用P波的弧度值及P波与折线P波的相关系数值选择出真正的P波。该方法经过MIT/BIH心电数据库中9个长达30分钟的文件的检验，取得了满意的结果。     

功率M模式经颅多普勒超声测量系统的设计

经颅多普勒（TCD）是研究颅内大血管中血流动力学的常用技术,但传统TCD中依然存在着对大脑血管定位困难和对微栓子检测不确定等缺点。为了克服这些弊端,本研究设计了一种功率M模式TCD测量系统。该系统通过FPGA设计、USB固件驱动以及PC数据后处理等模块共同实现。数字电路模块以FPGA为核心进行状态机设计,并采用高速AD采样和双FIFO乒乓工作模式来确保良好的实时性;硬件电路部分和PC之间的数据传输依靠高速USB实现;软件模块结合功率M模式多普勒成像技术、短时傅里叶变换和伪彩色图像处理,对超声波束发射方向上整体深度的血流状态进行监测,方便定位血管深度,并为临床医生提供选通深度的声谱图信息。     

结合QRS检测和小波阈值的膈肌肌电信号降噪方法

为了消去夹杂在膈肌肌电(EMGdi)信号中的心电干扰,在比例阈值算法的基础上,提出一种结合QRS检测和小波阈值的降噪方法.首先,根据小波系数的相关性构造QRS波群的检测方法,分析确定干扰的位置和范围;其次,将小波系数分为受干扰和未受干扰两部分,并构造相应的阈值算法,针对性地处理受干扰系数,以未受干扰部分系数作为阈值算法构造的依据;最后,重构处理后的小波系数,得到降噪后的EMGdi信号.对临床采集信号的处理对比表明,该方法能够更为有效地去除心电干扰,并更好地保留EMGdi的有用信号.     

基于Contourlet阈值法的锥形束CT图像去噪研究

目的：将多尺度分析工具之一的Contourlet变换运用到锥形束CT（CBCT）图像去噪领域,并对Contourlet不同阈值去噪方法进行探讨。提出基于Contourlet变换结合半软阈值方法对锥形束CT去噪,并论证去噪效果。方法：利用Contourlet变换的多尺度多方向性以及平移不变性,对低分辨率锥形束CT图像进行拉普拉斯塔形滤波和方向滤波多层分解后得到变换系数,随后对变换系数采用不同阈值方法进行处理,最后逆序反变换得到去噪后图像。通过软阈值和硬阈值方法在Contourlet变换中的应用,提出半软阈值结合Contourlet变换方法对锥形束CT图像去噪。通过对头,胸,盆腔各10例临床锥形束CT图像的去噪,比较三种阈值去噪效果。结果：半软阈值法在胸部和盆腔部锥形束CT图像去噪中比Contourlet硬阈值去噪在PSNR上平均高出1.40 d B和3.11 d B,但在头部锥形束CT图像处理中无优势,而Contourlet软阈值去噪后的锥形束CT图像在消除噪声的同时,信号自身的能量被消弱最多。结论：本文半软阈值法在一定程度上修正了硬,软阈值函数的缺陷,结合Contourlet变换在处理图像几何结构方面的优势,为锥形束CT图像去噪提供了一个新思路。     

心电相空间科学映射定量分析的一种新方法——棋盘映射

目的鉴于传统的标量坐标延时相空间重构方法存在运算复杂、耗时大、稳定性差等缺点,本文提出了相空间定量分析的一种新方法——棋盘映射(tessellated map,TM)。方法首先以逐拍心电波形为列矢量构造二维矩阵X,再通过KL变换得到X的主分量,然后由X的最大特征向量重构X。基于重构误差,从X中筛选出高SNR的正常心拍,得到二维矩阵Y。由模值归一化的Y及其衍生差分阵Z,得到棋盘格映射图。通过空白区域的比例、点密度、棋盘映射位图3个指标对TM进行定量评估。结果实验结果表明,TM能够对精神应激和非应激进行区分,能够判断心律失常,能够用于身份识别。结论TM能够有效地从ECG中提取信息,值得深入研究。     

纳米羟基磷灰石前体与胶原自组装成类骨质复合材料的表征

文题释义： 纳米羟基磷灰石前体：纳米羟基磷灰石的悬浮液,制备方程为10Ca(NO₃)₂+6(NH₄)₂HPO₄+8NH₃•H₂O=Ca₁₀(PO₄)₆(OH)₂+ 20NH₄NO₃+6H₂O,反应时pH值10左右,反应完成后静置、洗涤,得到pH值8.0-9.0的纳米羟基磷灰石悬浮液。 自组装：是指基本的结构单元(分子、纳米材料、微米或更大尺度的物质)自发形成有序结构的一种技术。自组装过程中,基本结构单元在非共价键的相互作用下自发的成为一个稳定、外观具有一定规则的结构。 背景：制作类似于天然骨的材料来修复骨缺损,或者作为组织工程支架材料是研究的热点。 目的：探讨以纳米羟基磷灰石的前体及胶原为材料自组装成类骨质复合材料的可行性。 方法：将胶原材料分别浸泡于0.25%戊二醛溶液中0.5 h(A组),24 h(B组),72 h(C组)进行交联反应,D组将胶原浸泡于碳化二亚胺中交联4 h,将交联后的各组胶原浸泡于纳米羟基磷灰石前体溶液中7 d,制备类骨质复合材料。分析各组复合材料与天然骨的矿化物物相分析、组成成分及微观结构。 结果与结论：①X射线衍射分析：复合材料的非晶象衍射峰稍高于天然骨,各组复合物中非晶象变化不明显;随戊二醛交联时间的延长,材料晶体峰值有增高趋势;碳化二亚胺交联后材料的晶体衍射峰值较戊二醛交联材料稍低;②傅里叶转换红外光谱分析：复合材料的化学组成与天然骨的组成相似,都是由胶原和羟基磷灰石组成,其中羟基磷灰石中部分PO₄^3-被CO₃^2-离子取代;不同交联方法对材料无机相改变的影响差别不明显;③扫描电镜：胶原的不同交联方法对所形成晶体的形貌影响不明显：胶原纤维互相缠绕,其上有大量的细针样晶体沉积,聚成团,晶体分布均匀,晶体尺寸是纳米量级;④结果表明,以纳米羟基磷灰石前体及胶原为材料可制作自组装成类骨质复合材料。 ORCID: 0000-0003-1620-3673(张雪梅) 中国组织工程研究杂志出版内容重点：生物材料;骨生物材料; 口腔生物材料; 纳米材料; 缓释材料; 材料相容性;组织工程     

基于小波的海洛因成瘾者脉象异常分析

利用小波变换的方法，对15例海洛因成瘾者和15例正常人的脉搏信号的时频特征予以分析，根据用于显示离散二进小波变换的三维图形及等高线图，海洛因成瘾者与正常人脉象信号间时频特征的显著差异予以揭示，由此得出了初步的判据。根据该判据，15例海洛因成瘾者全部被检测出来，正常人有2例误检。研究结果表明，基于小波的多分辨率分析是提取脉搏信号特征的一种非常有效的方法。本文对于海洛因成瘾者的诊疗具有一定的价值。     

基于小波变换的小鼠QRS复合波检测

采用二进小波变换与斜率和幅度相结合的方法，对小鼠QRS复合波进行检测。根据小鼠QRS复合波的特点，采用Daubechics小波为母函烽，按照ECG的频谱特点选用尺度因子，对有噪声污染和形态变异的QRS复合波进行了检测。结果表明：小波变换对小鼠QRS复合波的检测是一种有效的方法。     

基于局部Radon变换和卡尔曼滤波的超声图像肌束方向自动跟踪方法

超声成像是一种无创、实时和便捷的成像方法,已被广泛用于人体肌肉运动分析。临床上目前主要采用手工处理的方法来提取超声图像中的形态结构, 不仅依赖于操作者的主观经验,且耗时严重、重复性低。提出一种自动计算与跟踪超声图像序列中肌束方向的新方法,利用基于约束互信息的自由变换算法自动提取感兴趣区域,然后基于局部Radon变换对超声图像进行投影,并利用相邻帧间肌束的连贯性,采用卡尔曼滤波的图像处理方法。对6名试验对象进行步行实验,共采集小腿内侧腓肠肌的动态超声影像1 080帧,并用所提出的方法计算肌束方向。实验结果表明,所提出的自动检测方法有较好的鲁棒性。与人工检测结果相比,两者的平均相关系数为0.92±0.02,平均误差为0.30°±0.62°。该方法可以一定程度地替代人工测量,在处理大量超声数据时具有较大的优势。     

A mixture of experts network structure for modelling Doppler ultrasound blood flow signals

Mixture of experts (ME) is a modular neural network architecture for supervised learning. This paper illustrates the use of ME network structure to guide modelling Doppler ultrasound blood flow signals. Expectation-Maximization (EM) algorithm was used for training the ME so that the learning process is decoupled in a manner that fits well with the modular structure. The ophthalmic and internal carotid arterial Doppler signals were decomposed into time-frequency representations using discrete wavelet transform and statistical features were calculated to depict their distribution. The ME network structures were implemented for diagnosis of ophthalmic and internal carotid arterial disorders using the statistical features as inputs. To improve diagnostic accuracy, the outputs of expert networks were combined by a gating network simultaneously trained in order to stochastically select the expert that is performing the best at solving the problem. The ME network structure achieved accuracy rates which were higher than that of the stand-alone neural network models.