P波离散度联合BNP、左心房内径对缺血性脑卒中合并阵发性房颤的预测价值

目的观察P波离散度联合脑利肽(BNP)、左心房内径对缺血性脑卒中合并阵发性房颤的预测价值。方法选择2021年8月至2024年2月入住本院神经内科、脑血管病区的诊断缺血性脑卒中合并阵发性房颤的患者95例(以下简称房颤组),按年龄、性别、NIHSS评分进行1:2匹配选择缺血性脑卒中排除心房颤动的患者190例(以下简称无房颤组),分析P波离散度联合BNP、左心房内径检测指标,评估上述指标对合并阵发性房颤的预测价值。结果单因素分析:房颤组性别、基础疾病史、NIHSS评分、TOAST分型、血尿酸、LDL、肌钙蛋白与无房颤组对比无差异(P>0.05)。房颤组Pd、LAD、BNP均显著高于无房颤组(P<0.05)。多因素Logistic回归分析显示:心脏病史、Pd、LAD、BNP属于引发缺血性脑卒中合并阵发性房颤的危险因素(P<0.05),校正心脏病史危险因素后,多因素Logistic回归分析显示:Pd、LAD、BNP仍属于引发缺血性脑卒中合并阵发性房颤的危险因素。结论P波离散度联合BNP、左心房内径与缺血性脑卒中合并阵发性房颤均存在相关性,P波离散度、BNP、左心房内径与阵发性房颤之间联系密切,属于缺血性脑卒中合并阵发性房颤的危险因素。

级联离散小波多频带分解注意力图像去噪方法

针对图像去噪网络中下采样导致高频信息损失和细节保留能力差的问题,设计了一种级联离散小波多频带分解注意力图像去噪网络。其中多尺度级联离散小波变换结构将原始图像分解为多个尺度下的高低频子带来代替传统下采样,能减少高频信息损失。多频带特征增强模块使用不同尺度的卷积核并行处理高低频特征,在子网络每一级下重复使用两次,可增强全局和局部的关键特征信息。多频带分解注意力模块通过注意力评估纹理细节成分的重要性并加权不同频带的细节特征,有助于多频带特征增强模块更好地区分噪声和边缘细节。多频带选择特征融合模块融合多尺度多频带特征增强选择性特征,提高模型对于不同尺度噪声的去除能力。在SIDD和DND数据集上,所提方法的PSNR/SSIM指标分别达到了39.35 dB/0.918、39.72 dB/0.955。实验结果表明,该方法的性能优于主流去噪方法,同时具有更清晰的纹理细节和边缘等视觉效果。

离散小波去噪后冬小麦叶片含水量高光谱估算

光谱噪声去除是遥感区域应用的必要过程,噪声去除效果能直接影响区域地表信息的监测精度。为分析离散小波算法对光谱数据的分解机理,探寻基于离散小波算法光谱噪声信息去除与光谱处理方法,以冬小麦冠层光谱与叶片含水量为数据源,先利用离散小波算法对光谱数据进行去噪处理,采用的小波基为Meyer;然后以Meyer、Sym2、Coif2为小波基对去噪后的光谱数据进行信息分离,并结合相关性分析算法、偏最小二乘算法构建冬小麦叶片含水量估测模型,研究结论如下:(1)在离散小波算法下,合并的光谱曲线随合并尺度数的不断增加,原光谱曲线局部的大、中、小特征依次凸显;随H10—H1分解尺度的依次加入,分解信息对合并曲线的修正幅度也逐步减弱,其中,将H3—H1依次合并后,合并的光谱曲线几乎无变动。(2)提出的去噪方法可在一定程度上改变了部分光谱对冬小麦叶片含水量的敏感性及敏感波段的分布:其中在1~3尺度内,降低了光谱对冬小麦叶片含水量的敏感性,改变了敏感波段的波段位置的分布情况。在4~10尺度内,能明显提升光谱对冬小麦叶片含水量的敏感性(Coif2);提出的去噪方法可提升局部波段对冬小麦叶片含水量的敏感性(Sym2)。(3)提出的去噪方法能明显提升光谱对模型的稳定性,能提升Sym2、Coif2小波基内最优模型的精度与稳定性,其中验证精度提高了8.6%(Sym2)、34.1%(Coif2),表明该研究提出的去噪处理是有效的。

冠状动脉慢血流与QRS波群离散度关系的研究

目的:探讨冠状动脉慢血流与QRS波群离散度的关系。方法:我们回顾分析2021年至2022年间,北京安贞医院经冠状动脉造影明确SCF患者18例,对照组由23例年龄和性别匹配的冠状动脉造影完全正常者组成,测量两组患者的心电图数据中Tpe(T波峰值至终点的间隔时间)、Tpe/QT、QTd(QT离散度)、QTcd(校正QT离散度)数值,分析SCF患者中QRS波离散度同血流帧数之间的关系。结果:与对照组相比,SCF组的平均Tpe、Tpe/QT、QTd、QTcd延长(P<0.05)。与对照组相比,SCF组的TIMI帧数明显升高(P<0.05)。结论:SCF患者心电图中Tpe、Tpe/QT、QTd、QTcd的延长,预测室性心律失常的风险增加。

基于无抽样离散小波变换的复杂纹理织物疵点检测

为了进一步提高复杂纹理织物的疵点识别率,本文采用新型算法检测复杂纹理织物的疵点。首先分析了无抽样离散小波的变换原理,选取二维无抽样小波对织物疵点进行检测;接着分析了小波基和分解尺度的选择依据,并在此基础上提出织物疵点的判别流程;最后为了验证无抽样离散小波变换算法的有效性,与其他主流算法进行对比分析。由于抽样离散小波具有平移不变特性,在疵点区域小波变换对应的能量会增大,而在无疵点区域能量会减小,选用Daubechies D2小波作为小波基,小波分解尺度的选择需要考虑织物图像的纹理特征,选择的尺度以适中为宜;从织物图像区域中提取水平、垂直和对角线方向能量作为特征值,分别选取6种类型的织物疵点进行对比实验。实验结果表明,采用无抽样离散小波变换算法进行织物疵点检测平均正确率和实时检测速度均高于其他主流算法,可以较好地用于复杂纹理的织物疵点检测。

冠心病患者动态心电图检查中P波离散度、T波峰-末间期的变化及诊断价值研究

目的:探讨冠心病(CHD)患者动态心电图检查中P波离散度(Pd)、T波峰-末(Tp-Te)间期的变化及诊断价值。方法:选取CHD患者203例作为研究组,其中,心肌缺血95例作为心肌缺血组,心肌缺血合并心律失常108例作为心肌缺血合并心律失常组。另取同期体检健康者90例作为对照组。所有受试者均接受动态心电图检查,并记录Pd、Tp-Te间期情况。比较研究组和对照组以及心肌缺血组和心肌缺血合并心律失常组Pd、Tp-Te间期。绘制受试者工作特征曲线(ROC)分析Pd、Tp-Te间期对CHD及CHD心律失常的诊断价值。结果:研究组Pd、Tp-Te间期大于对照组(均P<0.05)。Pd、Tp-Te间期联合诊断CHD的AUC高于两者单独诊断的AUC(均P<0.05)。心肌缺血合并心律失常组Pd、Tp-Te间期大于心肌缺血组(均P<0.05)。Pd、Tp-Te间期联合诊断CHD患者心律失常的AUC高于两者单独诊断的AUC(均P<0.05)。结论:CHD患者动态心电图Pd增加及Tp-Te间期延长,且心肌缺血合并心律失常患者Pd增加及Tp-Te间期延长较心肌缺血患者更为明显,两者联合对CHD及CHD心律失常诊断价值较高。

基于离散小波域深度残差学习的矿区遥感图像增强算法

实现矿区遥感图像增强处理,有助于提升后续图像判别以及相关监测分析效率。以往矿区遥感图像增强一般采用滤波、灰度变换等方法,往往会导致图像大量细节信息丢失,在很大程度上影响了后续判读分析。近年来,深度学习方法逐步应用于图像增强处理,但该方法很大程度上依赖于模型设计和参数合理取值,需要进行大量的试验和优化方可取得理想效果。将深度学习方法(Deep Learning,DL)与离散小波变换(Discrete Wavelet Transform,DWT)相结合,提出了一种基于离散小波域深度残差学习的矿区遥感图像增强算法。首先将图像进行单级二维离散小波变换,得到4个子带;然后将4个子带系数输入深度学习残差网络,预测相应的残差图像增加4个子带图像和残差图像作为二维小波变换的新子带;最后通过二维离散小波逆变换得到增强图像。试验结果表明:所提算法相对于直方图均衡化和超分辨率重建等方法而言,无论在图像视觉效果以及峰值信噪比、结构相似性、均方误差等评价指标上都具有较好优势,反映出将离散小波变换与深度学习方法相结合,有助于提升矿区遥感图像视觉效果,方便后续图像解译判读工作。

一种基于离散小波变换的抗重录音鲁棒音频水印算法

为了解决音频内容被重录音后非法传播和使用的问题,提出了一种抗重录音攻击的鲁棒音频水印算法。在对音频信号进行离散小波变换基础上,定义了数字音频特征DWT-CLM(Discrete Wavelet Transform-Coefficient Logarithmic Mean),分析得出了该特征和音频信号DWT近似分量之间的关系,在此基础上提出了基于音频信号DWT-CLM特征的水印嵌入方法。实验分析结果表明,本算法具有较好的不可听性、抗信号处理的能力,尤其在对信号处理满足一定鲁棒性的同时,有一定的容忍重录音攻击的能力。

基于离散小波变换的岩性组合识别方法及应用

在超深层油气勘探过程中,实钻取心成本高、数量少,加之测井曲线多解性强,造成储层岩性组合识别难度大,进而影响了沉积相及储层甜点预测的准确性。介绍了一种基于离散小波变换的碎屑岩储层岩性组合识别方法,在自然伽马曲线小波变换的基础上,利用离散小波分解测井信号,总结了小波时频能量图上不同能量团对应的岩性组合特征。以准噶尔盆地征沙村地区征1井超深层致密砂岩储层为例,通过对泥质含量敏感参数自然伽马曲线进行离散小波变换分析,选用合适的尺度识别不同的岩性组合,结果表明识别的岩性组合与实钻岩心吻合度较高。该方法在同类型储层中具有推广价值。

双相情感障碍患者QT、P波离散度与Framingham评分的相关性研究

目的研究双相情感障碍(BD)患者QT、P波离散度与Framingham评分的相关性,为双向情感障碍患者心血管疾病提供新的预测指标。方法回顾性调取我院2021年1月至2024年1月入院治疗的45例BD患者临床资料作为观察组,另选取同期来院体检的既往无任何精神类疾病史的45名健康者资料作为对照组。比较两组QT、P波离散度及校正,并对QT、P波离散度及矫正QT离散度与Framingham评分进行相关性分析。结果观察组QT最小时间低于对照组,QT离散度、QTc离散度高于对照组;观察组P波最小时间低于对照组,观察组P波离散度高于对照组(P均<0.05)。BD患者P波离散度(r=0.795,P<0.001)、QTd(r=0.747,P<0.001)、QTcd(r=0.720,P<0.001)与Framingham评分心血管病风险评分均呈正相关。结论双相情感障碍患者QTc最小时间降低、QTc离散度、P波离散度增大,与心血管疾病风险有密切相关性。

基于离散小波变换特征的农产品叶片表面农药残留检测方法

农药残留检测方法易受到叶片图像空间噪声的干扰,检测精度较低。提出基于离散小波变换特征的农产品叶片表面农药残留检测方法。采用多模态融合网络对农产品叶片表面特征向量进行提取,在网络模型中引入注意力模块对特征向量进行非对称模态融合处理,以消除空间噪声,并通过对叶片图像的边缘进行过滤与校正,以分割叶片图像边缘,结合离散小波变换特征算法对原始图像进行逐级分解变换,并求取叶片表面光谱反射率,以此确定叶片表面感兴趣区域,基于此,利用特征光谱处理方法对农药的光谱进行判别,以此实现农药残留检测。对比试验结果表明,所提方法对于农产品叶片表面农药残留检测具有较高的检测精度。

心电图P波离散度联合QTc间期预测阵发性房颤射频消融术后早期复发的效能

目的:探讨心电图P波离散度(Pd)联合QTc间期预测阵发性房颤(PAF)射频消融术后早期复发的效能。方法:选取2019年1月至2023年6月PAF患者108例,均行射频消融术,术后随访3个月,根据是否复发分为复发组(28例)与未复发组(80例),比较两组基线资料、术前、术后7d Pd、QTc及术前与术后7d Pd、QTc差值(^(△)Pd、^(△)QTc),分析Pd、QTc对术后早期复发的影响及预测效能。结果:复发组病程长于未复发组,高血压比例、CHA2DS2-VASc评分高于未复发组(P<0.05);复发组术前、术后7d Pd(32.68±5.75)ms、(26.27±7.13)ms大于未复发组(28.51±5.04)ms、(17.16±6.28)ms,QTc(458.27±52.31)ms、(410.65±30.52)ms长于复发组(430.19±39.62)ms、(372.06±25.40)ms(t=3.631、6.376、2.960、6.558,P均<0.001);复发组术前与术后7d^(△)Pd(6.41±2.67)ms、^(△)QTc(47.62±10.33)ms小于未复发组(11.35±4.19)ms、(58.13±13.27)ms(t=5.828、3.803,P均<0.001);术前Pd、QTc与CHA2DS2-VASc评分呈正相关(P<0.05);在校正病程、高血压、CHA2DS2-VASc评分等其他因素前后,^(△)Pd、^(△)QTc均是PAF射频消融术后早期复发的独立影响因素(P<0.05);^(△)Pd预测PAF射频消融术后早期复发的AUC为0.779(95%CI:0.689~0.853),约登指数为0.473,敏感度为78.57%,特异度为68.75%;^(△)QTc预测PAF射频消融术后早期复发的AUC为0.715(95%CI:0.620~0.798),约登指数为0.411,敏感度为78.57%,特异度为62.50%;^(△)Pd、^(△)QTc联合预测PAF射频消融术后早期复发的AUC为0.940(95%CI:0.878~0.977),约登指数为0.779,敏感度为92.86%,特异度为85.00%,优于两者单独预测。结论:心电图Pd与QTc间期在PAF患者射频消融术前后的变化值联合预测术后复发的效能较高,能为临床防治提供相关指导信息。

WraNet:一种基于二维离散小波变换的轻量害虫识别网络

近年来,人工智能技术在害虫识别领域得到广泛应用。目前深度网络害虫识别方法仍存在计算量大、对复杂背景下的害虫识别效果差等问题。为了解决计算量大的问题,本文提出了一种新型轻量网络——WraNet。该网络利用二维离散变换模块对图像进行特征混合,并学习图像的强先验知识,例如尺度不变性、平移不变性和边缘稀疏性。这使得单层二维离散小波变换层达到多层深度神经网络的效果,从而减少了计算量和模型参数的大小。本文还提出了一种新的算法——WraNet-m,该算法通过软投票集成了WraNet、ResNet50和FPN网络模型,以进一步提升识别效果。WraNet-m算法在IP102和D0害虫数据集上的准确率分别达到了72.44%和99.52%,证明了集成方法的有效性和鲁棒性。

基于离散剪切波与优化深度卷积神经网络的图像降噪方法

海洋试验图像通常受到海洋气象条件、海水光照折射和海洋深度等因素的影响,导致在海洋中采集的图像包含严重的噪声。为了提高海洋试验图像的清晰度和降噪性,提出一种基于离散剪切波与优化深度卷积神经网络相结合的海洋试验图像降噪方法。采用离散剪切波变换分解海洋试验图像,能有效从图像中提取不同方向和频率的特征。利用优化深度卷积神经网络强大的图像特征提取能力,经网络模型训练后,能获取图像中的关键特征,达到降噪的目的。在验证实验中,所提方法与传统图像降噪方法相比,能有效保留图像的纹理和细节特性,获得了较好的降噪效果,有助于提高海洋试验图像的清晰度和降噪性。

结合离散余弦变换与离散小波变换的无损彩色图像加密算法

为使图像在网络中进行安全传输,结合频域领域的图像加密相关研究,提出一种新的彩色图像加密算法。首先将明文图像划分为三基色分量,执行二维离散余弦变换(DCT)得到DC和AC置乱序列;然后对置乱矩阵执行二维离散小波变换(DWT)得到4个子带矩阵,并对置乱后的子带执行逆二维小波变换得到用于扩散的二进制矩阵;接下来将二维十进制矩阵转化为三维二进制矩阵,并对两个二进制矩阵执行异或运算,将其转化为二维十进制矩阵;最后进行扩散操作得到密文图像。实验结果表明,该算法能有效抵抗明文攻击与非法者攻击。

基于混沌系统和离散小波变换的卷积神经网络的电力电缆故障诊断

针对传统电力电缆特征提取方法存在信息冗余及故障模型诊断不精准的问题,提出了一种基于混沌系统和离散小波变换的卷积神经网络的故障诊断算法,即采用离散小波变换对采集的局部放电信号进行滤波,采用洛伦兹混沌系统建立动态误差散布图以提取故障特征,最后通过卷积神经网络(CNN)进行故障识别。结合4种典型电力电缆绝缘故障及测试平台进行验证,结果表明,所提算法能够快速准确地识别电力电缆的故障状态,识别准确率达到97.5%,证明了所提算法的可行性和有效性,其能够为电力电缆的故障诊断提供一定的参考价值。

基于离散小波的土壤全氮高光谱特征提取与反演

土壤全氮是重要的养分指标,利用高光谱技术研究并构建砂姜黑土全氮含量高光谱估测模型,为作物施肥及发展精确农业提供参考。尝试研究离散小波估测土壤全氮含量的可行性,以河南省商水县不同小麦氮肥处理为试验区,采集100份0~20 cm的砂姜黑土,土壤样本风干并经研磨过筛等处理后,在实验室暗室内采集光谱。利用含量梯度法,将总样本(100个砂姜黑土)划分为建模集75个和验证集25个。将原始光谱进行一阶导数变换,并对一阶导数光谱分别进行相关分析和离散小波变换,同时结合支持向量机和K邻近算法构建高光谱土壤全氮估测模型。系统分析了原始光谱和一阶导数光谱的单波段与土壤全氮的相关性,结果表明,经一阶导数变换后的光谱与土壤全氮有更好的相关性,在1373 nm处相关系数达到最高为0.84。利用离散小波算法对一阶导数光谱进行最佳母小波和分解层次选择,结果显示,经sym8函数分解的小波系数能较好的重构土壤全氮光谱信息,进一步基于分解层L_(1)—L_(11)的低频系数分别建立支持向量回归和K邻近回归土壤全氮含量估测模型,比较全部估测模型,以分解层L_(5)的低频系数结合K邻近构建的模型最优,建模决定系数为0.90,均方根偏差为0.09 g·kg^(-1),相对分析误差为3.78,验证决定系数为0.97,均方根偏差为0.05 g·kg^(-1),相对分析误差为4.30。同时与全波段和经相关分析后挑选出的敏感波段作为输入构建的模型进行比较,K邻近模型精度提高了3.2%和9%,支持向量机模型精度提高了6.7%和11.6%。研究结果表明一阶导数变换与离散小波技术可有效减少噪声影响,提高土壤全氮含量的估测精度,又实现了光谱数据降维,简化了模型复杂度,为砂浆黑土全氮含量的精确估测提供参考。

P波离散度对阵发性心房颤动射频消融术后早期及晚期复发的预测价值

目的研究P波离散度(P wave dispersion,Pd)与阵发性心房颤动(简称房颤)射频消融术后早期及晚期复发的关系,以及Pd对复发的预测价值。方法选取接受房颤射频消融术的阵发性房颤患者181例,对所有术后患者进行随访,平均随访(9.3±2.9)个月,并记录术后复发时间。分别在术前和术后1、3、6个月窦性心律时进行12导联心电图检查,测量P波时限,计算Pd,并分析Pd与房颤射频消融术后早期及晚期复发的相关性。结果早期复发定义为射频消融术后≤3个月时发作房颤、心房扑动(简称房扑);晚期复发定义为消融术3个月后发作房颤、房扑。阵发性房颤射频消融术后早期复发率为11.6%(21/181),晚期复发率为17.7%(32/181)。早期复发组与早期未复发组患者在术前、术后1个月Pd差异均有统计学意义(P<0.05);晚期复发组与晚期未复发组患者在术后6个月Pd差异有统计学意义(P<0.05)。多元Logistic回归分析结果表明,术前及术后1个月的Pd是房颤消融术后早期复发的独立危险因素,术后6个月的Pd是房颤消融术后晚期复发的独立危险因素。结论Pd可为预测房颤早期复发和晚期复发提供参考。

心电图P波离散度和红细胞分布宽度与冠状动脉慢血流现象的关系研究

目的:探讨心电图P波离散度(Pd)和红细胞分布宽度(RDW)与冠状动脉慢血流(CSF)的关系。方法:选取医院收治并经冠状动脉造影提示为CSF的103例患者纳入观察组,同时选择同期冠状动脉造影正常的58例患者纳入正常组,测定两组RDW与心电图Pd变化,并分析比较两组生化指标、Pd及RDW与冠状动脉平均血流帧数(TFC)差异。采用Pearson相关性分析Pd、RDW与冠状动脉心肌梗死溶栓试验(TIMI)的TFC值的相关性,采用受试者工作特征(ROC)曲线评估Pd、RDW对CSF发生的诊断价值,采用多因素Logistic回归分析CSF发生的影响因素。结果:观察组患者Pd、RDW均高于正常组,差异有统计学意义(t=7.353,t=8.770;P<0.05);LAD、LCX及RCA的TFC值以及平均TFC值均高于正常组,差异有统计学意义(t=15.162,t=11.680,t=13.663,t=13.296;P<0.05);Pd与LAD、LCX及RCA的TFC值以及平均TFC值均呈正相关(r=0.620,r=0.541,r=0.452,r=0.515;P<0.05);RDW与LAD、LCX及RCA的TFC值以及平均TFC值均呈正相关(r=0.352,r=0.417,r=0.510,r=0.462;P<0.05);Pd预测CSF的ROC曲线下面积(AUC)、灵敏度和特异度分别为0.789、85.2%和88.9%;RDW预测CSF的AUC、灵敏度和特异度分别为0.778、83.7%和90.6%。多因素Logistic回归分析,Pd和RDW均为影响CSF发生的危险因素(OR=3.50,OR=3.93;P<0.05)。结论:CSF患者心电图Pd增大,RDW水平升高,并且Pd、RDW与冠状动脉TIMI的TFC值呈正相关,二者可作为预测CSF发生的有效生物标志物。

基于离散小波-微分变换算法定量反演火龙果茎枝叶绿素含量的研究

作为一种仙人掌科植物,火龙果植株无叶,主要依靠肉质茎进行光合作用、蒸腾作用等生理功能,火龙果的肉质茎与常见绿叶类植物叶片在组织结构、形态等方面存在明显差异,且二者在植株冠层结构方面也存在明显差异,该差异会直接影响植株冠层光谱特征,进而影响基于与光谱技术的光合色素监测。为探寻提升火龙果茎枝叶绿素含量估测精度的方法,研究以贵州省罗甸县龙坪镇烟山火龙果种植基地为试验区,先采集火龙果茎枝光谱及光谱测定部位的组织,并采用乙醇萃取法测定此组织的叶绿素含量,然后选用传统数学变换、连续小波变换、离散小波变换、离散小波-微分变换方法分别处理分析光谱数据,并采用相关性分析算法提取、筛选敏感特征波段,最后选用偏最小二乘算法构建火龙果茎枝叶绿素含量估测模型,分析结果如下:(1)采用离散小波-微分变换算法,高频信息与低频信息的峰、谷交替依次呈现,且可用信息分部具有较强的稳定性,可用信息随尺度的增加,曲线振幅加大、频率降低。(2)数学变换内的微分变换、连续小波变换、离散小波变换与离散小波-微分变换方法均能明显提升光谱对火龙果茎枝叶绿素含量的敏感性,其中以离散小波-微分变换方法最优,经处理后光谱与火龙果茎枝叶绿素含量的决定系数最高可达0.565(位于H1分解尺度737.5 nm处)。(3)离散小波-微分变换最能有效提升光谱对火龙果茎枝叶绿素含量的估测能力,并且基于离散小波-微分变换H2尺度构建的估测模型为最优模型,其验证精度的R^(2)=0.769,RMSE=0.040,RPD=1.739。研究分析了四类光谱处理算法在提升光谱对火龙果茎枝叶绿素含量敏感性与估测能力方面的效果,表明离散小波-微分变换算法能有效提升光谱对火龙果茎枝叶绿素含量的估测能力,为火龙果茎枝叶绿素含量的无损估测提供了基础技术支撑。