以MIT-BIH Arrhythmia Database为标准数据源的心率不齐的ECG模拟信号发生器

利用单片机控制DAC输出的方法,将MIT-BIH Arrhythmia Database中的标准化心率失常数据通过可控增益的DAC输出,供医疗仪器测试使用。数据以FAT格式存储在SM卡中,方便数据库的更换。

MIT-BIH数据库心电数据重采样研究

为了将采样率为360Hz的MIT-BIH数据库心电数据转换到250Hz采样率,设计了一个25/36倍采样率转换系统,同时对原数据库中的注释信息重新进行了标注,建立了采样率为250Hz的MIT-BIH重采样数据库。实验表明,重采样结果准确,注释信息标示正确。

MIT-BIH心率失常数据库的识读及应用

本文对美国MIT-BIH心率失常数据库的数据文件的格式进行了研究,提出的识读方法可使使用该数据库数据的研究人员能绕过其工具包而灵活地使用这些数据。本文还以其中一段数据记录为例进行了说明。

基于MATLAB的MIT-BIH心电信号快速识别

MIT-BIH为美国麻省理工学院的心律失常数据库,是目前国际公认的三大心电数据库之一,其包含有48组心律失常的心电数据,为广大科研及医务工作者提供了重要参考。文章提出将MIT-BIH数据库中的心电数据快速转换为MATLAB软件能识别格式的方法,设计了相应的MATLAB转换函数,为相关研究人员利用MATLAB软件灵活的使用数据创造条件。

基于LabVIEW的MIT-BIH心电信号读取方法

随着虚拟仪器在信号测试方面的广泛使用,越来越多的虚拟仪器被用于采集生理信号。设计一种基于Lab VIEW的心电信号采集实验平台,介绍了在该平台下通过VI读取MIT-BIH文本文件实现心电信号波形显示的方法。使用Lab VIEW文件I/O读取文本文件。VI完成所有文本文件读取的字节数,来生成一个一维数组,然后使用截取字符串。VI将一维数组中表示两个通道上幅值的元素拆分成两个数组,实现波形显示。实验证明该方法可以准确地读取心电图数据完成波形显示,达到预期的效果,提供了一种简单可行的信号提取方法。

基于MSP430的MIT-BIH心律失常数据库模拟信号源

MIT-BIH心律失常数据库是许多国家的标准测试源。MSP430系列单片机以其低功耗等特点正被广泛应用于医学仪器等设备中。本文的设计实现了用MSP430FG439等器件将MIT-BIH心律失常数据库的48条记录以忠实原记录的模拟信号输出,从而制成信号源,并且包含我国新的国家医药行业标准中关于心电监护仪等仪器测试规定需要的一些信号。

采用MIT-BIH心律失常数据库的信号源

介绍了一种将MIT-BIH心律失常数据库的波形连同注释设计成信号源的装置。它在波形输出的同时,在液晶屏上显示信号的波形和注释,从而方便了测试和观察。设计中还包含国家新的行业标准YY1079-200X中规定的一些测试信号。

基于STM32的MIT-BIH心电数据的D/A回放

设计基于STM32的MIT-BIH心电数据D/A回放,对整体设计方案、硬件组成、软件设计等进行了介绍。通过读取心电数据将其进行D/A转换,输出波形与原始波形进行比较,较好地实现了回放功能。由此可见,该系统的性能指标达到了设计要求。能很好地实现心电数据回放,为一系列心电算法的仿真实践及实时心电监护仪的研制打好了基础。

MIT-BIH心电信号实验系统在LabVIEW中的应用

随着计算机和网络信息化的普及,心电图数据库作为一种宝贵的医学资源被广泛应用。MIT-BIH心电信号实验系统是在图形化语言编程软件Lab VIEW平台上进行开发,不同于用Lab VIEW开发的可采集生理信号的医学测量系统,实验系统利用Lab VIEW提供的文件I/O、数组、数值、结构函数,读取MIT-BIH数据库中心电信号数据的文本文件,还原实际波形。实验系统可以检索、读取、显示心电信号的记录信息,对心电波形也可以提取部分进行放大,这对虚拟仪器在医学生物信号处理方面有一定的参考价值。将其应用于医学电子学实验,实验教学内容得到了丰富。

基于双正交样条小波的QRS波检测

把双正交样条小波应用于心电信号QRS波的检测.利用双正交样条小波等效滤波器,对心电信号按Mallat算法进行快速变换;从信号奇异点的李氏指数与模极大值关系的角度,分析心电信号奇异点(R峰值点)与其小波变换模极大值对的零交叉点的关系;在QRS波检测中运用调整阈值、不应期和补偿3个措施增强算法的抗干扰能力.实验结果表明,该算法对心电信号中QRS波群的特征提取和几种常见的心电干扰具有较强的鲁棒性.经MIT-BIH标准心律失常数据库验证,QRS波的正确检测率达99.905%.

一种利用小波变换逼近信号滤除心电图基线漂移的方法

该文提出了一种利用小波变换逼近信号滤除心电图(ECG)基线漂移的方法。该方法的基本思想是:通过对ECG信号进行多尺度分解,利用分解后所得的逼近信号充分逼近ECG中的基线漂移噪声的特性,从而滤除ECG中的基线漂移分量。将该方法应用于MIT-BIHDatabase眼1演提供的30分钟的真实ECG记录上,结果显示该方法能较好地滤除ECG基线漂移,且对信号的其他成分损害较小。

基于Visual C++的MIT-BIH心电数据管理系统的设计

目的:识读MIT-BIH心电数据库格式,为研究心电监护系统提供信号源,为心电算法的仿真打好了基础。方法:以VC++6.0为平台,利用面向对象语言编程读取心电数据,经过D/A转换输出到心电监护系统,仿真验证心电算法。结果:心电信号输出与回放同步,可有效控制信号源。实现截取、保存、回放任一段心电波形。结论:系统平台可作为心电信号软件管理平台,提供给心电监护系统进行仿真试验。

LADT快速拟合的改进

提出了一种用射线逼近曲线的新方法 ,并对快速LADT拟合算法实施了改进 .该方法经MIT BIH心电数据库测试表明 :改进的方法不仅计算量大大减小 ,而且仍然有很高的压缩率 ,增强了LADT算法的实时性 ,使得LADT的实时应用成为可能 .

基于改进型蚁群神经网络的ECG心搏分类器

采用改进型蚁群算法优化神经网络模型,构造一个蚁群神经网络的ECG分类器,并对MIT/BIH心律失常数据库中的4类心搏进行分类.结果表明,本文的蚁群神经网络能改善网络性能,有效地避免局部极优,提高训练速度,获得了比BP算法更好的心搏分类性能.

基于FFNN和1D-CNN的实时心律失常诊断系统与算法

为了解决心律失常实时诊断的问题,设计并实现了实时心律失常诊断系统,并提出了一种基于前向反馈神经网络(FFNN)和一维卷积神经网络(1D-CNN)的实时心律失常诊断算法。系统利用可穿戴的心电图(ECG)采集设备采集心电信号并实时无线传输到客户端软件进行心律失常诊断,然后将诊断结果自动上传至服务器。心律失常诊断算法以原始胸导联ECG并采用200 ms时间窗的片段作为输入,首先使用一个基于FFNN模型的分类器实时检测R波的位置,然后提取出每3个R波之间的心电序列并重采样为长度360点作为ECGRRR特征,最后使用一个基于1D-CNN模型的分类器进行实时心律失常分类。利用MIT-BIH心律失常数据库中MLII导联ECG数据训练算法模型并对系统进行测试。结果表明,提出的实时心律失常诊断系统与算法具有正确率高、实时性强且易部署的特点,对于跨病人的R波位置检测查全率为98.0%,查准率为99.5%以及整体正确率为97.6%,对于5分类的心律失常检测正确率为91.5%。

基于DCG心电信号的R波检测算法

提出了一种基于动态心电图(DCG)心电信号的R波检测的新算法.该算法以平均双向斜率和相对高度为主要特征,能够快捷准确地检测R波.通过对MIT-BIH Long-Term ECG数据库以及哈尔滨医科大学医院提供的Holter记录进行R波检测,验证了该算法的可行性.针对检测结果分别与最大值双重搜索技术和差分运算方法(DOM)的检测结果进行了比较,发现所提算法的识别正确率(98.3%)高于以上两种算法(95.2%和90.7%).

应用HL7标准建立心电信息数据库

心电图是临床应用最广泛的检查技术之一,临床和研究工作都积累了大量的心电图数据。之前常用的心电信息数据格式,很难使用查询语句实现对注释信息等高级内容的检索,成为多元心电信息数据挖掘发展的瓶颈。HL7-aECG是HL7研究组于2004年发布的应用于心电信息交流领域的数据标准,并希望该标准成为心电信息交流领域的统一标准。本研究使用HL7-aECG提供的XML schema表作为数据组织结构标准,将现今常用的MIT-BIH格式的心电信息数据转换为符合HL7-aECG标准的心电信息数据,在建立数据库的基础上,实现对心电数据标注信息的检索。证实了HL7-aECG作为下一代心电信息数据格式标准的实用性,为多元心电信息数据挖掘工作提供借鉴。

基于EMD的心电信号压缩算法

针对生物医学信号特别是心电信号(ECG)的特点和数据压缩需求,提出一种基于经验模态分解(EMD)方法的ECG信号压缩算法.所提算法计算简单,无需预先或后处理.以MIT-BIH标准数据库的心律失常数据作为实验数据,通过压缩比(CR)、均方根百分差异(PRD)、归一化均方根百分差异(PRDN)、均方根(RMS)、信噪比(SNR)、质量评分(QS)6个评价参数分析所提算法性能,并与基于小波分解的压缩算法进行比较.实验结果表明,所提算法具有较好的压缩比与保真度,证明了该算法的有效性.

一种改进的心电图QRS波群检测算法

在利用小波变换检测QRS波群时,最关键的部分就是模极值配对,提出一种区域极值配对算法来检测R波。首先利用二次样条小波基函数和多孔(ATrous)算法对心电(ECG)信号进行小波变换求取模极值,用正极大值来确定搜索区域,以这个正极大值为起点,以这个确定区域为搜索范围,向左搜索负极大值点,将这两个极值配对,他们之间的过零点就是R波的对应点,然后在检测到R波的基础上检测出Q波与S波,再结合距离最大值法检测出QRS波群的起止点。并采用医学相关理论对检测结果进行优化,进一步去除错检点,补偿漏检点。最后利用MIT-BIH心率失常数据库中记录的数据对该算法进行验证,实验结果表明所提算法能准确检测QRS波群,平均检出率达到了99.97%。

基于极限学习机的室性早搏判别算法的实现

室性早搏是常见的心律异常疾病,给人的生命带来威胁,准确的心律异常诊断对于帮助人们预防心血管疾病起到重要的作用。以MIT-BIH心律异常数据库中的数据作为分析对象,提出一种基于极限学习机算法的诊断方法,主要包括信号预处理、特征提取和分类,实现心电信号室性早搏异常的判别。采用小波变换结合形态学算法,对信号进行预处理,去除干扰,得到纯净的心电信号。通过K-means聚类算法提取QRS波群等特征参数,根据这些参数建立正常窦性心律和室性早搏的正样本和预测样本,再结合极限学习机分类器进行样本训练匹配和分类识别。选取1 260个周期信号进行实验,结果表明,该算法能准确诊断出室性早搏异常,最终阳性平均检测率达到95%,平均灵敏度达到96%。该算法相比其他算法,在识别精度相当的情况下,可极大提高算法的实时性,具有很高的研究价值,同时在移动医疗和临床医疗方面也具有一定的实用价值。