【摘 要】
:
现如今,心血管疾病已经严重威胁人们的生命健康,对于卧床病人而言,问题则更加严峻,由于卧床这一难题,当发生心血管疾病的时候,病人无法及时做到求救等措施;所以解决心血管问题对卧床病人而言已经迫在眉睫。由于病人卧床和本身患有疾病等原因,导致卧床病人的心电信号有两个主要特点:第一,卧床患者心电信号中掺杂的噪音比一般人心电信号中的噪音更多;第二,卧床患者异常心电信号的类型和数量也比正常人的心电信号更复杂,基
论文部分内容阅读
现如今,心血管疾病已经严重威胁人们的生命健康,对于卧床病人而言,问题则更加严峻,由于卧床这一难题,当发生心血管疾病的时候,病人无法及时做到求救等措施;所以解决心血管问题对卧床病人而言已经迫在眉睫。由于病人卧床和本身患有疾病等原因,导致卧床病人的心电信号有两个主要特点:第一,卧床患者心电信号中掺杂的噪音比一般人心电信号中的噪音更多;第二,卧床患者异常心电信号的类型和数量也比正常人的心电信号更复杂,基于此,本文提出一种改进的去噪方法用于心电信号去噪,构建了一个新的混合模型用于心电信号分类,并引入了MIT-BIH数据库作为改进算法效果检验的基础数据集,MIT-BIH数据库是当前国际公认的心律失常数据库,其中60%数据来源于住院病人,适合作为本文研究的数据集。最后,通过硬件设计部分实现对卧床病人心电信号(ECG)的监测。卧床病人心电信号的处理主要包括三个步骤:心电信号去噪,心电信号特征提取,心电信号分类。目前,在心电信号去噪和分类方面人们已经进行了很多研究,但是由于心电信号中包含的噪声较为复杂,异常心电信号的种类和数量划分繁多,所以,当前心电信号去噪和分类方法未能达到人们期望的效果。基于此,本文主要做以下三部分的研究:1.研究一种改进的去噪方法用于心电信号去噪:本文针对卧床病人心电信号微弱,频率范围低,包含噪声较多且去噪不彻底等问题提出了一种改进的心电信号去噪方法—基于优化变分模态分解(VMD)的小波阈值法。选择MIT-BIH数据库作为心电信号的数据集,在此基础上,采用其他两种去噪方法进行对比,结果表明,本文所提方法去噪的效果更好,心电信号的去噪情况得到了一定的改善,更有利于后续心电信号的特征提取和分类。2.构建一个新的混合模型用于心电信号分类:本文针对卧床病人心电信号中异常心电信号的种类和数量较多且目前心电信号分类方法准确率较低,泛化能力较弱等问题构建了一个基于融合注意力机制—卷积神经网络(CBAM-CNN)和支持向量机(SVM)的混合模型进行心电信号分类。利用MIT-BIH心电数据库作为分类效果检验的数据集,并同其他几种心电信号分类方法进行对比,通过准确率等评价参数显示,本文提出的混合模型更加适合心电信号分类。3.硬件设计部分,本文硬件部分主要是对卧床病人心电监测系统的设计,通过硬件设计实现对卧床病人心电信号的采集,上位机部分显示监测结果并对心电信号进行保存。
其他文献
表面肌电信号(Surface electromyography signals,s EMG)是最有价值的生物电信号之一。通常用于测量肌肉的活动状态,能够为许多康复医学和智能假肢的研究提供有用的信息。但肌电信号是很微弱的一种电信号,使得手势识别效果差强人意。当它与其他类型的信号结合使用时,可以弥补这些缺点。加速度信号能够精确反映运动的方向、速度和位移,陀螺仪是一种可以检测出物体运动时角速度的传感器,
目标检测算法被广泛应用于交通管控,视频监控,无人驾驶以及医疗图像识别等任务,以上各种实际的应用场景中,由于场景复杂度高,目标在复杂背景下检测精度被干扰,小目标检测的速度较慢,同时特征提取与融合部分中对小目标的关注度不足,有效的小目标信息很难最终被检测器接收,因此小目标的检测更成为检测难题,其平均精度始终不超过25%。该文针对复杂场景中小目标检测精度不高,检测系统实时性较差等问题展开研究,主要研究工
随着医学成像技术的发展,医学图像在临床诊断中变得越来越重要。不同模态的医学图像提供的信息差异较大。例如,计算机断层扫描(CT)图像对于骨骼的成像非常清晰,磁共振成像(MR)图像可以清楚地反映软组织结构,正电子发射断层(PET)图像可提供人体代谢信息,单光子发射断层扫描(SPECT)图像可提供清晰的组织和器官的血液信息。但是单一模态的医学图像有自身的局限性,只能反应个别方面的组织信息,无法提供全面准
随着铁路交通运输的飞速发展,铁路交通运行过程中的安全问题日益凸显,直接影响了铁路运输效率与运营成本。铁路道岔转辙机作为铁路交通中的一种关键设备,其安全状况直接影响着铁路交通能否正常运转。然而,传统的道岔转辙机维护手段存在着诸多问题,无法有效的保障设备的运行安全,寻找有效解决方案已成为迫在眉睫的任务。自上世纪60年代以来,健康管理系统技术在许多工程领域内得到了长足发展,该技术是一种有效的设备健康运维
当前,电子商务飞速发展,用户面对海量的信息很难快速找到满足需要的商品信息。推荐系统是信息过滤的重要手段,其核心为推荐算法的应用。目前比较流行的推荐算法是协同过滤,许多电子商务企业的核心推荐系统都基于协同过滤。然而,不经过安全性处理的基于协同过滤的推荐系统非常容易受到托攻击的影响。托攻击是指非法用户通过向推荐系统中注入伪造的用户数据,对目标项目的推荐热度进行改变,进而导致用户对推荐结果的满意度降低。
近些年来,智能制造与传统制造业紧密结合形成了新的制造业产业形态。分拣是当前制造业中较为常见的工作方式,其作业场景具有高危、操作单一等特性,因此很多公司引入机器人代替人工进行分拣。传统的自动分拣系统基于图像,通过对目标图像二值化、边缘轮廓提取实现物体分类,该方法存在目标物体识别率不高、鲁棒性较差等问题,而基于深度学习的管件自动分拣系统,具有较高的识别率及较好的鲁棒性。本文设计并实现了基于深度学习的管
医学图像融合是综合医学图像、数字图像处理、数字建模和计算机视觉等学科的交叉领域。当前伴随着计算机技术的不断成熟,通过使用多模态医学图像融合技术,对图像的质量保证起到了积极推动的作用,对辅助医疗诊断、精细手术规划、科研进展等工作具有重大的意义。目前,针对医学图像融合算法的研究逐渐成为了焦点,同时对于算法的研究取得了一定的成果,但是,当前的融合算法依然存在不足。本文主要从融合过程中基于多尺度分解图像和
随着我国矿产资源开发进入空前发展时期,矿山废弃物的排放规模日益加大。尾矿坝作为一种堆放矿山废弃物的形似堤坝的构筑物,其中含有大量的重金属离子。尾矿坝的安全运行一直是矿山安全研究的核心,而尾矿坝的稳定性研究是其中最主要的研究方向之一。一旦坝体失稳破坏,不仅对下游人民群众的生命财产安全造成严重伤害,而且对环境造成的污染更是难以估量。降雨事件是导致尾矿坝失稳因素之一,评估降雨事件发生时尾矿坝的稳定性对矿
视频多目标跟踪是计算机视觉领域研究的重要技术之一,该技术研究的关键点在于对视频中多个感兴趣目标进行连续追踪,目前常被用于自动驾驶、视频监控和智能交通等领域,随着人工智能技术的发展,如何利用深度学习提升多目标跟踪的性能成为当下研究热点之一。当前,多目标跟踪技术主要有三个难点:首先是目标定位,即如何检测出待跟踪的感兴趣目标;其次,如何对感兴趣目标进行运动预测,即将目标的身份信息逐帧传递下去不发生丢失;
2021年入夏以来,我国的河南、山西地区相继遭受了洪涝灾害,造成了巨大的人员伤亡和财产损失,这些灾害虽为极端天气引发,但集中暴露出许多问题和不足,就是城镇化程度越高的地方,造成的洪涝灾害越严重,这个现象归根结底是因为城市中大量的土地被高楼建筑物和城市硬化路面所取代,严重破坏了土壤的生态功能,造成城市排水难,地下水资源缺乏等问题,而透水混凝土具有优秀的透气、透水功能,将其作为城市铺装材料可以很好的缓