公共文化服务平台

河北大学电子信息工程学院河北省数字医疗工程重点实验室: 作品数：42 被引量：123H指数：6; 相关作者：史守山李哲张琦马明磊李振娜更多>>; 相关机构：天津大学精密仪器与光电子工程学院天津大学精密仪器与光电子工程学院激光与光电子技术研究所北京科技大学国家材料服役安全科学中心更多>>; 发文基金：国家自然科学基金河北省自然科学基金河北省教育厅青年基金更多>>; 相关领域：自动化与计算机技术电子电信医药卫生理学更多>>

合作机构

基于递归最小二乘法的回声状态网络算法用于心电信号降噪被引量：7: 2018年; 远程医疗的复杂环境中,心电信号极易被噪声淹没,从而影响心血管疾病的智能诊断。基于此,本文提出了一种基于递归最小二乘法的回声状态网络心电信号降噪算法。该算法通过递归最小二乘法对该网络进行训练,可自动学习得到含噪心电数据中非线性的且具有区分度的深层次特征,并利用这些特征自动分离心电信号与噪声。实验中,采用信噪比和均方根误差为指标,将本文方法与基于子带自适应阈值的小波变换法和S变换法进行比较。实验结果表明,本方法降噪精度更优,同时信号的低频成分也得到了很好的保持。本文方法可做到消除心电信号中的复杂噪声并完整保留心电信号的形态,为心电图的特征检测和心血管疾病的智能诊断奠定了基础。; 张杰烁刘明李鑫熊鹏刘秀玲; 关键词：心电信号降噪回声状态网络

基于经验模态分解建模法的肌肉疲劳检测: 2018年; 针对表面肌电信号的非平稳特性,采用自回归(auto regression,AR)模型对表面肌电信号进行分析,对短时间内的表面肌电信号的肌肉疲劳迅速做出判定。首先对表面肌电信号进行经验模态分解,得到本征模态函数和趋势项,然后对趋势项进行零化处理,再对本征模态函数分量进行重构处理,重构后的信号可视为均值为零的平稳信号,最后将去势化的信号建立自回归模型,采用基于该模型的第一个时变参数(first time-varying parameter of auto regression modle,ARC1)作为检测肌肉疲劳灵敏度的快速指标。用疲劳前后的相关特征值的灵敏度波动比(sensitivity to variability ratio,SVR)来表征肌肉疲劳的灵敏度,较平均功率频率对疲劳反应灵敏度要高。该方法通过表面肌电信号对肌肉疲劳检测时,具有时间短、灵敏度高以及将表面肌电信号细微特征信息放大、便于识别等优点。; 王立玲杨铮刘瑾; 关键词：肌电信号肌肉疲劳经验模态分解自回归模型

基于KNN的DSA图像去噪及GPU的快速实现被引量：2: 2016年; 为快速地去除或减少DSA(Digital Subtraction Angiography)图像的噪声,对比评价KNN(K Nearest Neighbors)算法对高斯噪声、泊松噪声、斑点噪声、椒盐噪声4种噪声去除或减少的效果,帮助医生快速准确地为病人诊断疾病。提出的算法主要贡献在于构建了基于GPU(Graphics Processing Unit)的加速方法,使传统图像去噪的运算速度得到大幅提升。基于图像降质、图像还原过程建模,使用KNN算法对4种噪声去除或减少,并对算法做并行化处理,利用GPU加速实现去噪的过程。通过实验得出,KNN算法能较好地去除或减少高斯噪声、泊松噪声来还原DSA图像,使用CUDA(Compute Unified Device Architecture)编写可在GPU上运行的程序,利用GPU对1 024×1 024像素的24位深度的DSA图像去噪,平均渲染帧率能达到190.53 f/s(帧/秒),较传统CPU(Central Processing Unit)串行,平均处理速度提高70.86倍。使用GPU加速能够快速地处理数据量较大、计算密集的DSA噪声图像,实现有效并且快速的高斯噪声去除,帮助医生精、准、快地诊断疾病。; 王光磊裴晨辉苑昊王斌刘秀玲; 关键词：DSA KNN GPU CUDA 图像去噪

虚拟血管介入手术中连续导丝模型被引量：1: 2018年; 介入导丝模型的建立对于介入手术仿真起着重要的作用,现有导丝模型为离散化,而离散点之间无法准确仿真,所以提出了连续导丝模型,可以分段表示导丝物理特性,提高了仿真精度.经过实验对比,提出的模型在力作用下的形态与实际导丝的形态吻合,单位长度平均误差为6.21μm,仿真可以达到实时的要求,方法可靠有效,可以应用于临床.; 王光磊许梦龙刚芹果熊鹏王洪瑞; 关键词：介入手术虚拟手术导丝

低限流下含Ag电极的BiFeO_3薄膜的阻变开关特性: 2015年; 采用磁控溅射系统在Pt衬底上构建了Ag/BiFeO_3(BFO)/Pt三明治结构的阻变存储器件单元,该器件可以在较低的限制电流下实现阻变行为并显著降低功耗。在0.5μA的低限制电流下,器件具较好双极I-V滞回曲线,开关电阻比值超过1个数量级,有效开关次数达500次以上,阻态保持时间超过1.8×104s,有较好的保持特性。分析了该Ag/BFO/Pt器件的阻变开关机制,主要归因于Ag原子在BFO薄膜内的氧化还原反应引起的金属导电细丝的形成与断开。; 闫小兵李玉成闫铭杨涛贾信磊陈英方赵建辉李岩娄建忠李小亭

金银花硫磺残留便携式快速检测装置研究被引量：5: 2015年; 研制了一种以荷兰爱万提斯微型光纤光谱仪为核心的便携测试装置（不含笔记本电脑仅1．5kg）。对产地和加工方法不同的4个未熏硫金银花和2个硫熏金银花，采用无水乙醇冷浸2h得到浸出液，测试了6个样品在400-900nm的可见-近红外透过率光谱。结果表明，经过硫磺熏制的金银花样品吸收峰位置与其他未薰硫样品不同，在715nm和835nm处均存在明显特征吸收峰。对已知薰硫的金银花和硫磺浸出液测试，同样在715nm和835nm处存在特征吸收峰。因此，在715nm和835nm是否有吸收峰可作为金银花是否薰硫的光谱判据。研制的装置有望用于薰硫金银花现场快速甄别。; 王永清李铎王硕南刘鑫鑫刘宇飞; 关键词：便携现场测试

基于sEMG信号的不同年龄下男性肌肉疲劳特性研究被引量：4: 2019年; 表面肌电图(surface electromyography,sEMG)是记录肌肉肌力首选方法[1],利用表面电极技术从骨骼肌表面导出多个运动时所产生的电变化在时间和空间叠加,与肌肉的纤维组成、解剖结构及功能状态、运动单元数量、放电频率等都有密切关系[2-3]。根据医学研究,12-19岁人群被称为Adolescents;20-29岁人群被称为Vicenarian;30-39岁人群被称为Tricenarian[4]。; 王立玲杨铮刘元博梁亮刘瑾; 关键词：肌肉年龄表面肌电图

基于区域生长和聚类的主动脉CTA图像序列分割算法被引量：3: 2015年; 针对人体主动脉CTA序列图像的特点,提出了一种基于区域生长和聚类的序列分割新算法.在确定好合适的分割阈值范围后,结合基于区域生长的算法对主动脉的目标区域进行轮廓提取,然后对得到的目标轮廓在基于isodata的算法上进行聚类处理,由于主动脉在空间上的连续性,可以将聚类后得到的目标区域的聚类中心作为下一幅CT图像新的种子点再进行区域生长,从而实现仅在选择单幅图像种子点的情况下一次性完成整套CT序列图像的分割.实验结果表明,本文算法计算量小,分割精度高,可以完整准确地将主动脉从CT序列图像中分割出来.; 王光磊苑昊魏帅时亚松刘秀玲; 关键词：主动脉聚类

基于平稳和连续小波变换融合算法的心电信号P,T波检测被引量：11: 2021年; P,T波的检测在临床上是心血管疾病诊断的重要依据。由于其波形能量低、形态复杂,极易受到噪声干扰,导致现有检测算法精度仍有待提高。该文提出平稳和连续小波变换融合算法检测P,T波,利用连续小波变换的多尺度信息,获取心电图(ECG)信号中P,T波主要成分,融合其平稳小波对P,T波候选段进行平滑处理,消除波形中锯齿状毛刺对峰值点检测的影响,最后对P,T波过零点进行时移修正,保证过零点还原到原始信号过程中能够准确对应其峰值点,从而提高P,T波检测精度。该文算法在MIT-BIH arrhythmic数据库上进行验证,最终P波的误差率、敏感度、正确预测度达到:0.23%,99.85%,99.90%;T波的误差率、敏感度、正确预测度达到0.27%,99.85%,99.87%。; 熊鹏刘学朋杜海曼刘明侯增广王洪瑞刘秀玲; 关键词：心电信号平稳小波

基于黎曼流形稀疏编码的阵发性房颤检测算法被引量：2: 2020年; 针对阵发性房颤早期出现很短的初次发作较难被检出的问题,本文提出了一种基于黎曼流形稀疏编码的检测算法。本文算法考虑到非线性流形几何结构更接近真实的特征空间结构,计算协方差矩阵用于表征心率变异性(RR间期变化),使数据处于黎曼流形空间中。在流形上应用稀疏编码,将每个协方差矩阵表示为黎曼字典原子的稀疏线性组合,其中稀疏重建损失由仿射不变黎曼度量定义,黎曼字典由迭代的方式学习得到。本文算法与现有算法相比,使用较短心率变异性信号,计算简单且没有对参数的依赖,并取得了更优的预测精度。在MIT-BIH房颤数据库上最终分类结果为灵敏度99.34%、特异度95.41%、准确率97.45%,同时在MIT-BIH窦性心律数据库中实现了95.18%的特异度。本文提出的高精度阵发性房颤检测算法在可穿戴设备的长期监测中具有潜在的应用前景。; 孟宪辉刘明熊鹏陈健杨林刘秀玲; 关键词：房颤心电图协方差矩阵黎曼流形

河北大学电子信息工程学院河北省数字医疗工程重点实验室

合作机构

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

河北大学电子信息工程学院河北省数字医疗工程重点实验室

合作机构

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈