基于卷积神经网络与通道和空间注意力机制的房颤预测模型研究

目的采用人工智能技术提出一种模型,以对房颤进行早期预防和诊断。方法提出一种基于卷积神经网络(convolutional neural network,CNN)与通道和空间注意力机制(convolutional block attention module,CBAM)的模型用于对房颤的诊断与预测。结果根据长期心房颤动数据库、MIT-BIH心房颤动数据库和MIT-BIH正常窦性心律数据库的数据,提出的模型在全盲的情况下总体准确率达94.2%。结论提出的模型满足了医学心电图解释的需要,为房颤的预测研究提供了新思路。

基于脉搏波和心电信号的无创连续血压预测方法研究

目的 研究基于脉搏波和心电信号的无创连续血压预测方法。方法 从MIMIC-Ⅲ数据库中选取300个病例,用于构建血压预测模型、模型验证;另收集2022年1月至6月入住福建省立医院重症监护病房的121例患者,用于测试模型;采集患者动脉血压、光电容积脉搏波和心电图信号。构建两个血压预测模型,一个是以人工提取出的8种特征参数构建的人工特征参数模型,另一个是以8种特征参数加1种卷积神经网络提取的特征进行融合构建的特征融合模型。对两个预测模型进行验证、测试,评价指标采用平均绝对误差(MAE)、标准差(SD)、均方根误差(RMSE),根据国际公认的美国医疗器械促进协会(AAMI)规定的标准进行评价,对比两个模型预测能力。结果 用MIMIC-Ⅲ数据对两个模型进行评价,特征融合模型的MAE、SD符合AAMI标准,RMSE比人工特征参数模型低。用实际收集的重症患者数据对两个模型进行评价,特征融合模型收缩压的SD、舒张压的MAE和SD达到AAMI标准,RMSE也比人工特征参数模型低。结论 特征融合模型的预测能力比人工特征参数模型好。

UHF RFID标签芯片研究

随着生活越来越美好,人们对于人体健康情况非常重视。本文结合生物医疗领域的应用背景,设计了一款应用于人体温度监测的RFID电子标签芯片,提出一种适合于无源UHF RFID系统的基准电源电路,并且LDO的反馈网络采用的是二极管连接方式的PMOS有源电阻,相比传统的无源电阻,大大减小了面积以及功耗。张弛振荡器采用不同类型的电阻抵消温度偏差,并且通过一种电流镜阵列校准电路,采用自校准算法对时钟电路工艺角偏差进行校准,大大提高了时钟电路输出频率的精度。ASK解调电路采用反馈分压调节结构,能同时缩小调制信号的高低电平,增大了电子标签的灵活性。本文基于SMIC 0.18μm CMOS Mixed Signal工艺,设计了一款应用于人体温度监测的全无源超高频标签。设计的RFID标签功耗小于10μW,时钟电路输出频率的精度为±1%。

基于无源UHF RFID的温度传感器设计

本文设计了一种适用于无源UHF RFID的温度传感器。该温度传感器应用于人体温度监测领域,通过环形振荡器输出频率与温度线性相关的特性对温度进行感知。电路中采用二进制计数器对振荡器进行计数,最终通过公式计算出温度。该计数方法相比于传统的ADC量化形式,所消耗的功耗比较小,并且易于集成到RFID系统中。在校准方面,采用一种两点校准的方式,将两点数据储存在存储器中进行重复调用,能够降低整体功耗。通过仿真得出该温度传感器在0~60℃范围内的温度测量精度高达±0.15℃。

基于自适应向量机检测睡眠呼吸暂停综合征的最优特征组合筛选

基于自适应向量机监测睡眠呼吸暂停综合征(SAS)时可提取出的特征参数较多,筛选这些特征参数中与SAS相关度较大的组合,可以有效降低算法的计算量,具有重要的实践意义。本文基于V2导联心电信号,首先对ECG信号进行去噪和R波提取,得到心率变异性信号(HRV)和心电呼吸导出信号,并从中提取出时域频域特征共22组,利用特征参数与SAS的相关系数对特征参数筛选后进行支持向量机(SVM)分类。对比22组特征参数与筛选后的15组特征参数分类结果,准确率降低不足0.5%,但计算复杂度大大降低,可作为对临床长时间心电图检测的扩展,减少对专业医护人员的依赖,具有良好的经济性和普及性。

心电呼吸导出信号对睡眠呼吸暂停综合征的检测效果

目的:研究单导心电信号提取心电呼吸导出信号(EDR)算法对睡眠呼吸暂停综合征(SAS)的检测效果。方法:根据呼吸信号的频率范围,通过单导心电信号提取R波信号后对其进行重排,通过FIR滤波得到EDR。然后通过检测EDR信号峰值,删除过检点,统计呼吸次数,与原始呼吸信号统计结果对比。结果:与原始呼吸信号对比,EDR提取算法针对不同样本检测准确率为95.63%(χ2=2.259,P=0.944)。结论:EDR算法在计算能力不强的便携式心电采集设备中易于集成,提供了经济、可靠的便携式检测睡眠呼吸暂停综合征方式,可有效控制睡眠呼吸暂停综合征的发展,为降低由其导致的心源性猝死提供了可能。

一种心电信号QRS波群检测算法研究

心电监测是临床应用中的常规监测手段,通过观察心电活动、心电波形的变化可诊断心肌损伤、心肌缺血和电解质紊乱,其中,针对心电图QRS波群的检测具有重要的临床意义。本文利用基于窗口最值的自适应阈值法,提出了QRS波群检测算法,包括对心电图中R波形态进行检测,并利用MIT-BIH心律失常数据库验证R波定位的准确率(97.63%)。在完成R波检测的基础上,采用最值法并通过斜率限定搜寻Q波和S波。在完成QRS波定位后,根据P波和T波的形态学特征对其进行检测和定位。

结合卷积神经网络与双向长短期记忆网络的房颤预测算法研究

房颤发病突然且往往伴随着严重的并发症(如脑卒中、心肌梗死等),对健康产生极大威胁。随着深度学习技术的发展,深度神经网络因能自动提取特征等优势在房颤分类算法中被广泛应用。本文提出了一种基于卷积神经网络(convolutional neural network,CNN)和双向长短期记忆(bi-directional long short-term memory,Bi-LSTM)网络、可用于房颤分类预测的深度学习框架,可根据心电图预测房颤。借助CNN提取心电信号的形态特征并进行序列重构,将重构序列输入Bi-LSTM网络,对正反时序的节律变化进行分析,能够有效预测房颤发生前30 min内的数据、正常窦性心律数据和房颤发生时的数据。利用长时房颤数据库、MIT-BIH房颤数据库和MIT-BIH正常窦性心律数据库的数据,对提出的算法进行了训练与验证,准确率达93.3%。

基于蓝牙4.0的心电信号采集和处理系统设计

介绍了ADS1292心电信号处理模块和CC2541的通信模块的软件设计。首先由CC2541对其进行相应的配置,然后ADS1292采集人体的心电信号,并对心电信号进行相应的处理,最后由SPI总线读取ADS1292处理后的数据,并通过蓝牙模块发送到Andriod手机客户端。

基于脉搏波速法的无创连续血压系统设计

随着高血压患者的日益增多,全天候血压监护的需求日渐增长,做到能够快速、及时、方便地进行血压监测成为了当下热门的研究课题。基于脉搏波速法的无创连续血压监测系统提供了一个很好的研究方向,通过便携式的可穿戴设备采集人体生理信号,借由多元线性回归建立一个生理信号的特征参数与血压的模型,可以实现实时无创连续血压监测,打造了一个无创连续血压监测的系统平台。

支持ⅡC接口的UHF RFID数字基带设计实现

针对于无源RFID数据存储的问题,提出了一种带有ⅡC接口的数字基带系统。该设计不仅完全兼容ISO 18000-6C协议,还采用了异步计数器、两级门控时钟、多时钟域等低功耗技术来满足设计的低功耗要求。利用Modelsim、QuartusⅡ软件以及DE2-115 FPGA开发板进行功能仿真与板级验证,通过ⅡC接口来读取板载存储器EEPROM,读取结果与预先存储的结果一致。采用SMIC 0.18工艺完成逻辑综合以及功耗分析,分析结果表明,电路总功耗为14.8μW,总面积为0.12mm^(2),满足设计需求。