基于小波神经网络的心室晚电位识别

采用小波神经网络对高分辨率信号平均心电图进行心室晚电位的识别。小波神经网络的训练采用共轭梯度法。经过对28例3导信号平均心电图实验数据的分析,取得了较好的识别效果,对晚电位的识别准确率为84．5％。     

基于小波变换的心室晚电位神经网络检测

本文采用小波变换和频谱标测技术从信号平均心电图中提取一组含有晚电位信息的比值持征参数,利用人工神经网络BP算法,完成对心室晚电位的检测.研究结果表明,采用神经网络检测晚电位的方法不仅具有较高的检测正确率,而且可以放松对信号平均心电图分析时段选取及QRS终点定位准确度的要求.     

基于多分辨率分析的心室晚电位神经网络检测

采用多分辨率分析和人工神经网络相结合的方法实现对心室晚电位的检测。首先利用多分辨率分解技术提取高分辨率心电信号不同频带的能量构成一组特征值，再利用这些特征值训练BP神经网络，并完成对心室晚电位的识别。经过对28例3导高分辨率心电图实验数据的处理，取得了较高的识别准确率。     

基于小波变换和独立分量分析的心室晚电位识别

由于晚电位(VLP)信号本身的复杂性以及生物个体差异,其检测的敏感性和特异性还不太高.因此探索和完善晚电位分析方法 的研究很有意义.本文提出了一种结合小波变换WT(wavelet transform)和独立分量分析(independent component analysis,IEA)的VLP特征提取新方法--WICA.新方法的主要思路是先对心电信号进行小波变换.得到多导的小波变换系数序列,再对系数序列用ICA寻求解混阵W和分解出的晚电位独立分量.实验结果表明,WICA方法 在一定程度上能够克服传统方法检测分辨率较低的弱点,并能获得较好的VLP识别.     

基于多分辨率分析的心室晚电位神经网络检测

采用多分辨率分析和人工神经网络相结合的方法实现对心室晚电位的检测。首先利用多分辨率分解技术提取高分辨率心电信号不同频带的能量构成一组特征值 ,再利用这些特征值训练BP神经网络 ,并完成对心室晚电位的识别。经过对 2 8例 3导高分辨率心电图实验数据的处理 ,取得了较高的识别准确率     

基于波变换的心室晚电位神经网络检测

本文采用小波变换和频谱标测技术从信号平均心电图中提取一组含有晚电位信息的比值特征参数，利用人工神经网络ＢＰ算法，完成对心室晚电位的检测。研究结果表明，采用神经网络检测晚电位的方法不仅具有较高的检测正确率，而且可以放松对信号平均心电图分析时段选取及ＱＲＳ终点定位准确度的要求。     

心室晚电位研究的历史,现状与展望

心室晚电位是心肌延迟去极化产生的碎裂电位，位于心电图ＱＲＳ波群后期并延伸到ＳＴ段的微弱的电活动，在体表可用优良的放大电路和适当的分析处理而检测出来。心室晚电位技术是８０年代开始的一种心电图检查方法，本文较全面介绍了心室晚电位研究的历史，现状及展望，并对心室晚电位的提取与处理技术和病理与临床应用研究做了较具体的介绍和评述。     

心室晚电位信号分析方法

已经证明心室晚电位与恶性的心律失常有密切联系.随着信息技术的发展,人们对晚电位检测与分析提出了一些新的研究方法,为晚电位分析研究开辟了新的途径.本文综述和分析了国外有关心室晚电位检测的各种方法和观点,包括时域、频域、时频域、小波、自适应、分形和神经网络等识别方法,重点介绍了晚电位信号分析的过程以及这些方法的原理和特点.     

心室晚电位

一、心室晚电位的概念心室晚电位（venlrieular late potentials）指发生在心电图上QRS波终末部并延伸到ST段内的延迟的心电活动。利用信息叠加技术（Signal—Add）,用具有高分辨性能的记录器将晚电位记录下来,这种电位即称晚电位。     

心室晚电位检测仪前置放大电路的研制

本文主要介绍了一种心室晚电位前置放大电路 ,给出了测试情况和达到的技术性能指标 ,实验结果表明了该放大电路的可行性和可靠性。     

用叠加心电图无创性检测QRS波内心室晚电位的方法设计

用计算机进行心电信号叠加记录心室晚电位（VLP）是近年来发展的鉴别恶性室性心律失常病人的方法之一，但目前的计算机算法不能检测QRS波中的VLP，在一定程度上影响了VLP的检出率，如果对目前方法所得的叠加心电图进行光滑处理，将经光滑处理和未经光滑处理的叠加心电图相减，则可望显示出寄生于QRS波中及QRS波终末高频的微小波形，在制定VLP的阳性标准后即可判断其中是否存在VLP，使VLP的检出率得以提高，这种检测方法的正确性还有待于今后的研究验证。     

利用小波神经网络求解脑电等效偶极子源参数

提出了多维单尺度径向基小波神经网络的构造性算法 ,并将之应用到脑电等效偶极子源定位问题 ,从而避开对模型系统描述的困难和现有的迭代类求解方法计算时间较长的问题。通过对解空间的随机抽样由正向计算形成学习样本 ,使小波神经网络在训练过程中建立起自己的逆映射联想记忆 ,以正确推断出头皮观测电位与脑内源发生器之间的内在联系 ,使之对于新的脑电数据能实时地、准确地估算出等效偶极子源的参数 ,为脑电的动态分析提供一条途径。计算机仿真计算结果证明了此方法的有效性     

高血压性心脏病与心室晚电位关系探讨

近年研究结果表明心室晚电位能预测心脏病患者的恶性心律失常的发生,对预防心脏性猝死有重要价值。高血压性心脏病患者易发生恶性心律失常及心脏性猝死。我们用体表信号平均心电图对140例高血压性心脏病患者进行测定,38例患者阳性,阳性率27.14％。40例单纯高血压患者阳性率5％。30例正常健康人阳性率3.33％。表明只有高血压性心脏病患者阳性率显著增加(P<0.01)。这部分患者应视为高危人群,给予医学的干预,延长患者寿命。     

结合小波分解和径向基神经网络进行事件相关电位的单次提取

从单次实验记录中提取事件相关电位，无论在临床诊断上还是在大脑高级功能的研究中都起着重要的作用。介绍了一种将小波多分辨率分解和重建与径向基神经网络结合起来进行事件相关电位单次提取的方法。它基于事件相关电位主要是低频信号的事实，发挥径向基神经网络对连续函数的逼近能力，从信号的小波分解系数中提取出与低频响应相关的成分，构造了一种新的时频域滤波的方法，实验表明本方法较好地从单次记录中提取出了事件相关电位。     

127例心血管病之晚电位检测与分析

本文研究结果表明,127例不同类型的心血管病中,晚电位阳性者39例,其中缺血性心脏病组最高,心肌病次之,心肌炎再次之。在缺血性心脏病组中,以急性心肌梗塞最高,占47％,提示晚电位与病理损伤密切相关。同时还发现,在心电图中呈折返型联律者为34例,其晚电位阳性者高达31例,占92％,说明晚电位是形成折返激动的电生理基础。     

基于BP神经网络的耳穴信息智能识别系统

本文介绍用BP网络建立耳穴信息的智能识别系统,其设计原理和方法融合了经络、脏腑理论与模式识别理论,并用该系统通过识别人体耳穴电学特征量筛检上消化道癌。本文中用该模型作胃病例样本识别试验获得了较好的结果,此项工作对于癌症防治有重要意义,同时也为现代科学与传统中医学的结合开辟了一条新路。     

基于神经网络学习算法的胃电信号时频分析

本文提出了基于神经网络学习算法的一种新的胃电信号自适应时频分析方法。与传统的短时富里叶变换（ＳＴＦＴ）和Ｗｉｇｎｅｒ分布相比，本方法有如下优点：１、为更好地跟踪胃电信号的变化，提取其时频特征，我们首先引入调制性基函数作为窗口函数。这种窗口函数包含位移参量、尺度参量和中心频率参量，通过调节这些参量可改变窗口函数的中心位置。窗口形状和中心频率大小，因而保证与分析信号保持最佳匹配；２、由于胃电信号的非稳态和非线性，胃电信号时频参量的变化是非线性的。我们应用神经网络这种最佳非线性估计器来学习这些参量，既可获得较高的估计精度，又有较高的自适应性；３、所提出的方法不仅比ＳＴＦＴ和Ｗｉｇｎｅｒ分布有更高的分辨率，而且其时频能量分布图是清晰的，没有交叉项干扰。     

一种基于多目标优化神经网络的心电图数据压缩方法

本文根据多目标函数优化的理论，提出了多目标优化神经网络的理论模型，研究了基于多目标优化神经网络的心电图数据压缩方法。该方法根据心电图特征的变化，通过神经网络在多目标函数指导下学习，调整其结构参数（联接权和偏置值），实现心电数据的压缩，以获得在较小的信息损失代价下的尽可能大的数据压缩量。该方法具有自适应能力强、并行处理、知识分布存贮和抗干扰等特点。     

ERP单次提取中的小波变换模极大值恢复算法

自发脑电的频谱不规则,与有效信号ＥＲＰ频谱相重叠,传统滤波方法难以奏效。但由于随机噪声奇异性指数与有效信号奇异性指数大小不一样,小波变换模极大值在不同尺度下传播行为也不一样,据此可将有效信号从随机噪声中提取出来。我们发现利用小波变换模极大值算法可以提取出单次ＥＲＰ,并将此方法用于１１名被试听觉的实时提取研究。