阵发性室上型心动过速伴QRS-ST-T波群电交替1例

患者女性,40岁。因阵发性心悸、胸闷10余年,加重2天就诊。体检120/ 80mmHg。心率200次/min,心率齐,心脏各瓣膜区未闻及杂音。心电图（图1）示：心率202次/min,R-R间期规整,P波与前—T波融合,QRS时间0.66s,Q-T间期0．26s，QRS波群振幅呈高低交替性变化，同时伴有ST-T电交替，以V2-V5导联明显。心电图诊断：阵发性室上型心动过速伴QRS-ST-T波群电交替。

阿尔山火山群面波层析成像

文中利用阿尔山火山群附近的29个宽频带流动地震台和其周边8个固定台站2019年5月—2021年12月期间的远震垂直向地震波形,通过频-时分析获取了11010条高质量的Rayleigh波基阶相速度频散,基于面波成像方法构建研究区地壳、上地幔的三维S波速结构。结果表明:在中、下地壳范围内,阿尔山火山群地区的S波速度表现出明显的低速异常,结合该地区高波速比的特征,推测阿尔山火山群可能存在地壳岩浆囊;在阿尔山火山群地区的40~150km深度内存在多处上低下高的S波速度异常结构,表明阿尔山火山群可能发生过岩石圈拆沉;阿尔山火山群东南侧上地幔的低速异常连通了软流圈和阿尔山火山群在地表出露的位置,结合前人的研究结果推测,此低速异常可能是松辽盆地岩石圈拆沉造成的软流圈物质上涌。

氨基末端脑钠肽前体、左室射血分数及心电图碎裂QRS波群与急性心肌梗死患者不良预后的相关性研究

目的:探究氨基末端脑钠肽前体(NT-proBNP)、左室射血分数(LVEF)、心电图碎裂QRS波群(fQRS)与急性心肌梗死(AMI)患者不良预后的关系。方法:采用巢式病例对照研究方法,选取2021年1月-2023年1月于河池市第三人民医院行经皮冠状动脉介入治疗(PCI)的AMI患者96例作为研究对象,依据术后6个月是否发生主要心血管不良事件进行分组,将预后不良的患者纳入预后不良组,随后在研究队列人群中按照1∶2频数配比纳入预后良好的患者为预后良好组。收集并分析患者的临床信息,采用Logistic回归模型分析NT-proBNP、LVEF及fQRS与AMI预后不良的相关性。结果:96例AMI患者术后随访6个月发现预后不良患者19例(19.78%)。多因素Logistic回归分析结果提示,NT-proBNP水平上升、LVEF降低、发生fQRS是AMI患者不良预后的影响因素(P<0.05)。结论:NT-proBNP、LVEF、fQRS是AMI患者不良预后的影响因素,在预测心血管不良事件及预后具有重要意义。

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。

基于隐马尔科夫模型的滑动窗口投票策略的QRS波群形态识别

QRS波群形态识别是心电异常检测的关键环节,是疾病诊断的主要依据。目前的QRS波群形态识别方法存在识别出的形态较少、对参数敏感等问题。为此,提出一种基于隐马尔科夫的滑动窗口投票策略SWVHMM自动识别QRS波群形态。首先,将每个QRS波群划分成4个波段,对各波段设置滑动窗口提取样本;其次,将各波段波形作为状态,窗口样本聚类后的类簇中心作为观测,构建状态转移受限的隐马尔科夫模型;最后,对待预测波群的各波段窗口组合结果进行投票,识别最可能的波群形态。在专业医生标注的真实数据集上,与现存方法比较,SWVHMM F1值分别提高了5.97%,5.49%和2.27%。这表明SWVHMM不仅能识别多种QRS波群形态,而且准确度更高。

一种适用于集群无人机超分辨的波束域方位估计算法

为了提升对集群无人机目标的分辨能力,提出了一种波束域方位超分辨估计算法。该方法不仅可以避免传统的稀疏表示类测角方法的计算复杂度高和需要选取超参数问题,而且在单快拍数、入射信号空间角度间隔较小等非理想情况下都具备很好的分辨能力,与相控阵雷达波束形成、距离-多普勒域处理的流程相适配。通过仿真试验,可以说明:该方法可以帮助雷达提前将密集目标分辨开,进而实现对于集群的规模(个数)、轮廓等信息进行准确估计,具有很强的应用价值。

迁移学习方法在精准识别室性异位QRS波群中的应用

目的探索迁移学习方法在精准识别室性异位QRS波群中的应用。方法回顾性提取2007年3月至2019年9月在宁波大学附属第一医院心律失常诊疗中心行射频导管消融术的545例特发性室性心律失常(VAs)患者,构成研究数据库(Ningbo DB)。采用小波散射网络特征提取算法从Ningbo DB中获取模型输入特征,使用美国麻省理工学院心律失常研究数据库(MIT-BIH DB)对深度学习模型进行训练,利用Ningbo DB验证该深度学习模型作为迁移学习方法。采用ROC曲线相关指标AUC、灵敏度、特异度、F1评分和准确度评估深度学习模型预测的效能。结果共提取心电图片段19695段,其中室性心律下QRS波群片段11988段(60.87%)、室性心律片段7471段(37.93%)、室上性期前收缩伴差异性传导片段236段(1.20%)。利用MIT-BIH DB建立深度学习模型,识别室性心律QRS波群的AUC、灵敏度、特异度、F1评分和准确度分别为0.997、0.996、1.000、0.997、0.996。采用Ningbo DB验证该模型识别室性心律QRS波群的AUC、灵敏度、特异度、F1评分和准确度分别为0.996、0.993、0.998、0.995、0.997。结论小波散射网络特征提取算法与残差网络深度学习模型结合的迁移学习方法能识别室性异位QRS波群。

老年慢性心力衰竭患者双腔起搏器治疗前fQRS波群与临床应答及预后价值的关系

目的 探讨和分析老年慢性心力衰竭患者起搏器植入前碎裂QRS波群(fQRS)与临床应答及预后之间的关系。方法 选择河南省直属机关第一门诊部于2016年1月至2019年12月收治的136例慢性心力衰竭老年患者为研究对象,根据患者起搏器植入治疗前是否存在fQRS分为fQRS组(34例)和非fQRS组(102例),比较两组患者起搏器植入术后6个月的临床应答情况,比较两组患者术前和术后6个月纽约心脏协会(NYHA)心功能分级、6分钟步行试验(6MWT)、明尼苏达州心力衰竭生活质量量表(MLHFQ)评分、左心室射血分数(LVEF)以及左心室收缩末期容积(LVESV)变化值。两组患者均随访3 a,比较两组患者的全因死亡和心力衰竭再住院率,采用Cox回归分析影响患者治疗后发生全因死亡的独立影响因素。结果 两组患者性别、年龄、既往疾病史(冠心病、心房颤动以及左束支传导阻滞)、入院时NYHA心功能分级之间差异无统计学意义(P>0.05),但fQRS组患者LVEF水平低于非fQRS组,氨基末端脑钠肽前体(NT-proBNP)水平高于非fQRS组,差异均具有统计学意义(P<0.001)。对两组患者均随访6个月,fQRS组中仅有18例(52.94%)患者出现临床应答,非fQRS组中有93例(91.18%)患者出现临床应答,差异具有统计学意义(P<0.001)。术后6个月时,fQRS组患者6MWT、NYHA心功能分级、MLHFQ、LVESV以及LVEF变化值均低于非fQRS组,差异均具有统计学意义(P<0.001)。术后随访3 a, fQRS组患者发生全因死亡率和因心力衰竭再住院率高于非fQRS组,差异具有统计学意义(P<0.001)。Cox回归分析结果显示术前fQRS(HR=2.328,95%CI 1.303~4.159)、术前NT-proBNP水平(HR=2.683,95%CI 1.441~4.994)均是影响CHF患者术后发生全因死亡的独立危险因素。结论 老年慢性心力衰竭患者起搏器植入治疗前出现fQRS波群会降低起搏器植入的临床应答率,且属于影响慢性心力衰竭患者全因死亡的独立危险因素,临床上应重点关注并给予提前干预以提高起搏器植入临床治疗效果。

基于粒子群算法优化小波神经网络的BDS-3钟差预报研究

针对目前对于BDS-3钟差预报研究较少、BDS-3钟差预报模型不足的问题,提出利用粒子群算法(Particle Swarm Optimization,PSO)优化小波神经网络(Wavelet Neural Network,WNN)的BDS-3钟差预报模型,粒子群算法可以有效解决小波神经网络的权值和阈值的选择问题。该模型符合BDS-3钟差数据的特点,并且可以充分发挥粒子群算法优化的小波神经网络在非线性数据预报方面的优势。同时,利用IGS数据构建粒子群算法优化的小波神经网络BDS-3钟差预报模型,通过和GM(1,1)钟差预报模型、小波神经网络预报模型进行对比,说明了本研究的粒子群算法优化小波神经网络BDS-3预报模型具有较高的预报精度、模型稳定性更好、预报使用时间更少。由此证明,利用粒子群算法优化小波神经网络模型进行BDS-3钟差预报是具有可行性的。

一种新的预定位法鉴别宽QRS波群节律的可行性研究

目的探讨一种新的理论推演的宽QRS波群节律鉴别方法(下称预定位法)运用的可行性。方法运用预定位法、Griffith法、aVR法回顾性分析2018年1月至2022年9月嘉兴市第一医院收治的372例患者的常规心电图宽QRS波群,与心内三维电解剖标测系统(CARTO)标测结果对比,比较3种方法诊断室性心律失常(VA)的灵敏度、特异度、准确度。通过与CARTO标测的结果对比,确定预定位法4步流程预判VA心室起源部位的灵敏度和特异度。结果预定位法诊断VA的灵敏度、特异度、准确度均高于Griffith法、aVR法(0.98比0.87比0.80、0.85比0.65比0.72、0.94比0.81比0.78),差异均有统计学意义(均P<0.05)。预定位法4步流程预判VA心室起源部位的灵敏度分别为0.99、1.00、1.00、0.96,特异度分别为0.96、1.00、1.00、0.99。结论预定位法适用于鉴别宽QRS波群节律的起源部位。

冠心病心电图碎裂QRS波群形成的因素与冠状动脉病变的相关性

探讨冠心病心电图碎裂QRS波群形成的因素与冠状动脉病变的相关性。方法 回顾性分析100例冠心病患者的临床资料,均行心电图检查。结果 年龄、Gensini积分、冠脉病变支数与碎裂QRS波群形成存在关联(P<0.05);心电图碎裂QRS波群与冠脉病变支数、狭窄程度呈正相关性(P<0.05)。结论 年龄、Gensini积分、冠脉病变支数与碎裂QRS波群形成有关,碎裂QRS波群可反映冠脉病变程度。

心电图Ⅲ导联QRS波群诊断冠心病灵敏度、特异度、准确度的研究

探讨在冠心病诊断上选择心电图Ⅲ导联QRS波群的特异度、敏感度与准确度。方法 以2022年8月-2023年9月本院收治的80例疑似冠心病患者为观察对象,全部入选者均开展心电图和冠状动脉造影检查,金标准是冠状动脉造影检查结果,研究并观察在冠心病诊断上心电图Ⅲ导联QRS波群的诊断价值。结果 经冠脉造影检查结果确诊60例冠心病患者,其中1例(1.67%)急性ST段抬高类心肌梗死,5例(8.33%)微血管性心绞痛,15例(25.00%)非急性ST段抬高类心肌梗死,不稳定性心绞痛39例(65.00%);20例非冠心病患者,其中心血管神经症、冠状动脉硬化症、重症心肌炎、扩张型心肌病、肥厚型病症以及其他病症分别是3例(15.0%)、11例(55.0%)、2例(10.0%)、1例(5.0%)、2例(10.0%)和1例(5.0%)。60例冠心病患者均开展心电图Ⅲ导联QRS波群后,其中Q波、q波以及无Q/q波分别是25例、10例和10例;在诊断冠心病上Ⅲ导联Q波的准确度、特异度、灵敏度以及阳性预测值较Ⅲ导联 q 波更高(P<0.05)。结论 在冠心病诊断上用以心电图Ⅲ导联QRS波群具有良好诊断优势,为临床后续诊治工作提供有效指导和参考,凸显其诊断价值,可进一步推行使用。

左心室肥厚患者QRS波群时限与左室重构、心功能的相关性研究

目的 探讨与分析左心室肥厚(left ventricular hypertrophy, LVH)患者QRS波群时限与左室重构、心功能的相关性。方法 回顾性分析2022年3月—2023年3月在江苏省中医院心内科门诊及住院进行诊治的98例LVH患者,按QRS波时间分组,分为QRS波群时限>110 ms(研究组)和QRS波群时限≤110 ms(参照组),每组49例。所有LVH患者均进行心电图、超声心动图检查,观察两组的左心室舒张末期的腔内径(left ventricular internal diameter diastolic, LVIDD)、左室后壁厚度(left ventricular posterior wall thickness, LVPWD)、室间隔厚度(ventricular septal thickness, IVSD)、二尖瓣峰值速度/舒张晚期二尖瓣峰值速度(E/A)、舒张早期二尖瓣瓣口血流峰值速度/二尖瓣环舒张早期运动速度(E/e’),并进行相关性分析。结果 研究组的超声心动图指标如LVIDD、LVPWD、IVSD均显著高于参照组,E/A比值、E/e’比值显著低于参照组,差异有统计学意义(P<0.05);Pearson分析显示,QRS波群时限与IVSD呈显著正相关(P<0.05),与E/A比值、E/e’比值呈显著负相关(P<0.05)。结论 部分LVH患者伴随有心电图QRS波群时限增加,QRS波群时限延长患者出现左心室重构,LVH患者QRS波群时限与左室重构存在相关性。

基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术

基于光纤陀螺的测角仪可以实现对各项角运动参数的一体化动态精密测量,但在实际应用中,光纤陀螺测角仪受到温度变化的影响,导致测量精度下降。针对这一问题,本文提出了一种基于自适应小波回声神经网络的光纤陀螺测角仪温度误差补偿技术。为了提高温度误差建模的进度,提高传统神经网络的逼近能力,通过自适应前向线性预测滤波器对建模用测角仪温度漂移数据进行预处理,并采用自适应小波回声神经网络建立温度漂移模型,能够避免传统神经网络结构设计的盲目性和局部最优等问题,增强了网络学习能力和泛化能力,并利用自适应律代替神经网络梯度进行网络训练,提升神经网络的逼近精度和收敛速度。实验结果表明,该模型可以提高光纤陀螺测角仪的测量精度和环境适应性,为光纤陀螺测角仪的性能优化和实际应用提供了可靠的技术支撑。

基于改进粒子群算法的UWB雷达人体动作识别研究

针对雷达信号中的杂波干扰及样本数量对人体动作识别精度的限制,提出一种基于改进粒子群算法(particle swarm optimization,PSO)优化支持向量机(support vector machine,SVM)模型的超宽带(ultra-wideband,UWB)雷达人体动作识别算法。利用动态目标指示(moving target indication,MTI)与小波阈值滤波对接收到的UWB回波信号进行预处理,消除回波信号中的杂波和噪声对人体动作识别的影响;结合二维离散小波包分解(two dimensional discrete wavelet packet decomposition,2D-DWPD)与奇异值分解(singular value decomposition,SVD),对预处理后的雷达信号进行特征提取和降维;提出一种改进粒子群算法,优化SVM模型的相关参数进行识别和分类。实验结果表明,提出的算法准确率可达到96.25%,具有良好的识别性能。

港口高压开关柜局部放电信号自适应小波去噪方法

为了有效抑制港口高压开关柜局部放电实测信号中存在的白噪声,文中提出一种基于小波的自适应阈值去噪算法。首先对小波阈值去噪算法中的阈值选取及阈值函数进行优化,通过添加变量增加算法的适用性和灵活性,并使用改进后的粒子群算法(SPSO)对添加的变量进行最优值求解从而实现小波分解层数、小波阈值和阈值函数的自适应选取;其次对仿真信号与实测信号进行去噪。结果表明:与传统软、硬阈值函数去噪相比,使用文中所提算法去噪后的信号信噪比分别提高了5.31 dB和2.38 dB。由去噪后信号的时域图可以看出,与其他几种算法相比本文提出的算法不仅去噪效果良好,还能极大地保留信号中的有效成分。

起搏器伪室性融合波群7例

心室起搏脉冲落入自身顺传QRS波群中称为起搏器伪室性融合波群,在常规心电图及动态心电图中常见,多数医师易忽视,临床对起搏器伪室性融合波群的认识需重新审视,因其可能会浪费电能,或让临床诊治减效,甚至导致误诊。本文通过对2017年10月至2022年9月丽水市人民医院收治的7例起搏器伪室性融合波群病例进行分析,提示起搏器伪室性融合波群不同特征,心电专业医师应熟练掌握,作出正确心电图诊断,为临床提供诊治参考。

QRS波群时限联合血清angptl2、angptl7、sST2对急性心力衰竭患者短期预后的评估价值

目的探讨急性心力衰竭(AHF)患者QRS波群时限联合血清血管生成素样蛋白(angptl)2、angptl7、可溶性致癌抑制因子2(sST2)对预后的预测价值。方法收集AHF患者104例为病例组,记录其基线资料,根据美国纽约心脏病协会(NYHA)分级将患者分为Ⅱ级组、Ⅲ级组和Ⅳ级组,根据预后情况分为预后良好组和预后不良组;收集本院同期98例健康体检者作为对照组。心电图机测量QRS波群时限;酶联免疫吸附试验检测血清angptl2、angptl7、sST2水平;采用受试者工作特征(ROC)曲线分析QRS波群时限联合血清angptl2、angptl7、sST2水平对AHF患者预后的预测价值;采用多因素Cox回归分析预后不良的影响因素。结果病例组QRS波群时限及血清angptl2、angptl7、sST2水平高于对照组(P<0.05)。Ⅱ级组、Ⅲ级组、Ⅳ级组QRS波群时限及血清angptl2、angptl7、sST2水平依次升高(P<0.05)。预后不良组NYHA分级、左心室舒张末期内径(LVEDD)、QRS波群时限及血清angptl2、angptl7、sST2水平高于预后良好组,左心室射血分数(LVEF)低于预后良好组(P<0.05)。QRS波群时限,血清angptl2、angptl7、sST2及联合预测AHF患者预后不良的AUC分别为0.773、0.767、0.833、0.743、0.907。高NYHA分级和高sST2是AHF患者预后不良的独立危险因素(P<0.05)。结论AHF患者QRS波群时限,血清angptl2、angptl7、sST2水平随患者病情加重而升高,NYHA分级、sST2是AHF患者短期预后不良的独立影响因素。

经验小波变换和改进S变换结合的电能质量检测与识别方法

为分析不确定干扰因素影响下的实际电力网络电能质量问题,提出一种经验小波变换(EWT)和改进S变换相结合的电能质量检测与识别方法。该方法一方面利用EWT联合归一化直接正交(NDQ)算法和奇异值分解(SVD)算法准确提取调幅-调频分量的频率、幅值和时间参数,另一方面考虑到EWT算法在高噪声环境下瞬时幅值波动的问题,引入改进S变换提取高噪声干扰下的电能质量扰动时频信息,最后,基于EWT和改进S变换提取的扰动特征向量,利用基于改进粒子群优化算法(IPSO)优化支持向量机(SVM)的电能质量扰动识别分类器实现扰动类型的精确识别。仿真和实验表明所提方法在复合扰动识别分类时平均识别准确率为93.23%,且能够准确识别4种实测扰动信号。