自适应算法与小波变换在心电信号滤波中的应用

心电信号是一种基本的人体生理信号,具有重要的临床诊断价值。然而,体表检测人体心电信号中常带有工频干扰、基线漂移、肌电干扰等各种噪声,给临床对心血管疾病的诊断带来了障碍。为了消除心电信号检测过程中带有的上述三种噪声,采用LM S自适应算法及小波变换理论,有针对性的设计了自适应滤波器、小波变换滤波器和自适应信号分离器等三种数字滤波器来滤除相应干扰。结果表明,对心电信号中存在的这三种噪声具有很好的滤波效果。     

医用阻抗／导纳图呼吸波消除仪的研制

本文介绍以ＭＣＳ－５１系列单片机为基础的医用阻抗、导纳图呼吸波消除仪的研制。它采用ＣＰＵ并行处理结构，对反映血液循环状态的阻抗或导纳波进行动态处理，以消除呼吸波等生理干扰信号。该仪器具有模入、模出接口，可与各种医用阻抗仪及心脏功能检测仪配接。     

基于神经网络的心电信号分类方法研究

针对心电信号的正常波形以及右束支阻滞．左束支阻滞．Paced心搏、心室跳脱心搏等4种心律失常类型．采用BP神经网络和概率神经网络两种方法进行自动分类算法与仿真研究．分类平均结果分别为97．62％和95．88％．可有效的提高了分类效果。     

基于广义互信息的人脑图像配准研究

医学图像配准技术是目前医学图像处理领域的研究热点.我们在基于Shannon熵的相似性测度的基础上,提出了一种新的适于图像刚性配准的基于Rényi熵的广义距离量度--广义互信息(GMI),并将其用于人脑的三维医学图像的配准.经仿真实验证明:基于广义距离的配准测度是Shannon熵的互信息测度的自然推广,它们有着不同的适用范围.广义互信息比一般意义下的互信息节省时间,并且能够体现配准图像间更多的一致性,配准效果在很大程度上满足了临床的应用要求.     

医学图像的小波变换融合算法研究

针对不同分辨率的PET和MRI图像,探讨医学图像中功能成像和解剖成像的融合问题.提出一种基于小波变换的多尺度分解对人脑PET和MRI图像的融合算法,选取测量活跃性等级-系数分组-系数合并的融合规则,对多尺度小波变换的图像融合方法和普通像素加权平均融合方法进行仿真,并运用熵和交叉熵两种方法评价仿真结果.结果表明,该方法能有效融合功能信息和解剖信息,避免虚假信息引入.得到最佳分辨率的融合图像,提高医学图像的可信度,对临床诊断和治疗有一定参考价值.     

小循环心功能仪的研制

本文介绍的小特环心功能仪是一种简便，无创伤的心脏功能检测和心，肺疾病辅助诊断仪器。它是依据“小循环心功能”的理论，方法，采用反映生物体容积变化的电导纳技术，从血液容积波动角度，在早于压力改变之前对小循环的变化作出客观，灵敏的显示，并对波形进行同步分析和自动识别处理，从肺静脉负荷角度给出左心功能及左心前负荷的分级，由肺动脉波形变化给出相当于右心收缩时间间期（“ＲＳＴＩ”）等定量指标及其它检测分析，处     

脑电信号处理方法

脑电信号是人体的一种基本生理信号,具有重要的临床诊断和治疗价值.由于脑电信号的自身非平稳性随机特点,使得对它的研究成为一项具有相当难度的课题.本文总结了脑电信号的时频、神经网络等处理方法.着重论述Wigner分布、小波分析、神经网络、非线性动力学,以及独立分量在脑电信号处理中的应用.     

多焦技术及其在mERG中的应用

多焦技术是目前信号处理的一项先进技术,它在视觉电生理系统中的主要应用为多焦视网膜电图(multifocal electroretinogram,mERG)及多焦视诱发电位(multifocal visual evoked potential,mVEP)检测.其中,mERG可以同时刺激视网膜上多个小区域,在较短时间内反映各个小区域对应的ERG特性,从而精确快速敏感的测量视功能.本文主要从互相关函数、m-序列等入手介绍了多焦技术的原理,并对其在视网膜电图上的应用--多焦视网膜电图进行了描述,阐明了在多焦视网膜电图中如何对每个小区域的生理电响应信号进行分离.     

基于复杂性测度的睡眠脑电分期处理方法研究

提高临床脑部及神经系统疾病的早期诊断水平,及时予以控制和治疗,是降低脑疾病对人类危害最有效的途径。探讨复杂性测度在睡眠脑电分期中的应用,主要利用加窗的Lempel-Ziv复杂度处理算法对经采用小波变换滤波算法滤除生理干扰后的睡眠脑电信号进行分期处理,并与没有加窗的Lempel-Ziv复杂度处理算法的仿真处理结果进行比较。结果表明：加窗的Lempel-Ziv复杂度算法能更好地将睡眠脑电不同状态分开,在一定程度上减少由脑电的非平稳性带来的计算上的片面性,同时兼顾各期睡眠脑电状态的不均匀性,在很大程度上满足临床的应用要求。     

医学图像融合方法研究

从空间域、变换域和智能域三个方面对医学图像融合的几种方法进行了阐述,具体讨论基于图像分割的融合方法、小波变换及其扩展方法和语义谓词方法.最后对医学图像融合方法的发展进行展望.