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。

超声多普勒血流信号的分析方法

超声多普勒技术是无损诊断血管疾病的一种重要手段,因此对超声多普勒血流信号的分析处理可以为疾病诊断提供重要依据。为了分析和处理像超声多普勒这类非平稳信号,人们对基于傅立叶变换的传统信号分析方法进行了推广乃至根本性的革命,提出并发展了一系列新的信号分析理论。本文对应用于超声多普勒血流信号分析的短时傅立叶变换、小波变换、参数模型法和Cohen类的时频分布等方法作了着重论述。

基于神经网络的心电信号波形自动分类算法研究

心电图诊断是临床常规检查之一。医生常常需要分析心电波形形态上的各种特征,做出临床诊断,因此它对心血管疾病具有重要(诊断)价值。通过对心房肥大、心室肥厚、窦性心律紊乱三类常见心脏疾病的心电图诊断标准分析,采用人工神经网络方法进行心电波形分类算法研究,验证了给出的神经网络算法是可行的。