基于灰度信息度量的阵发性房颤自动检测方法

针对心房颤动这类常见的心律失常疾病,提出了一种基于灰度信息度量的阵发性房颤自动检测方法。首先,采用离散小波变换将原始心电信号进行分解;其次,选择恰当的频率子带信号并对其小波系数进行差分运算,得到一阶中心差分散点图以及对应的灰度直方图;最终,分别计算灰度方差、灰度变异系数及香农熵,作为房颤心电的融合特征。将所提取的融合特征结合超限学习机,完成了阵发性房颤的自动检测。采用MIT-BIH数据库中的数值进行实验,结果表明,所提方法能够快速有效地完成房颤心电的识别,在交叉检验数值实验结果中,准确率、敏感度、特异度分别平均达到94.0%、94.6%、93.7%。

改进的基于模糊C-均值聚类的图像分割算法

目前的FCM类型的算法聚类数目的确定需要聚类原形参数的先验知识,否则算法就会产生误导.为了提高图像分割算法的抗噪性能,用K均值聚类算法简单、快速的优点对模糊C均值聚类算法进行改进.结合图像的邻域信息,对图像的直方图作均衡化处理,改善图像质量,通过自适应滤波,降低噪声对分割效果的影响.先用K均值聚类算法对图像进行分割,快速的获得较为准确的聚类中心和初次分割图像,避免了FCM算法中初始聚类中心选择不当造成的死点问题.用邻域灰度均值信息代替传统模糊C均值聚类算法中的灰度信息,对K均值聚类得到的图像作二次分割.该方法能更好的抑制噪声的干扰,提高了聚类算法的分割精确度.

一种基于多阈值迭代方法的图像分割算法

针对含有多个目标的灰度图像提出一种基于多阈值迭代方法的图像分割算法.首先使用非线性拉伸灰度直方图,并对图像不同灰度范围使用二值掩模进行处理,在此基础上采用迭代式阈值算法反复分割的图像分割算法.实验证明,这种综合分割算法能够有效降低单阈值穷举搜索算法的计算复杂度,分割效果也比较令人满意.