基于图像处理技术的微生物鉴定系统酶标板正反检测方法研究

通过考察典型酶标板的特征及其图像拍摄条件,截取一局部子图像,基于孔心定位对其进行二次分割获得标号字符图像,经直方图均衡化增强处理后,将其与正反模板图像进行模板匹配,计算相关匹配系数,实现正反方向检测。以203张酶标板图像验证,放置方向检测正确率可达到100%。

基于蓝牙传输的手机心电监护系统设计与实现

目的:本文利用智能手机平台设计并实现了一个基于蓝牙传输功能的便携式心电监护系统。方法:整个系统分为心电采集模块和用于心电显示与处理的手机模块。心电采集模块以MSP430单片机为核心,完成心电信号的拾取、放大和滤波、A/D转换和蓝牙发送功能。利用JAVA编程并运行在智能手机平台上的心电监护程序接收心电蓝牙信号并实现了心电实时显示、消噪、心率计算、存储、报警等功能。本文分别通过中值滤波和陷波滤波器方法消除心电信号的漂移噪声和50Hz工频干扰;采用长度法快速定位R波并实时计算出心率,该方法实现简单、速度快、抗干扰能力强、准确率高。结果:本文设计并实现了心电采集模块的硬件电路和软件程序,编写了运行在Android系统手机上的心电监护应用程序,心电采集模块和手机之间通过蓝牙无线方式传输心电数据。系统通过心电电极拾取人体心电信号并最终实时显示在手机上,自动分析功能能实时消除噪声并准确计算出心率,当心率超出设定范围时系统能驱动铃声报警并保存异常数据段。整个系统运行时有很好的实时性和较好的稳定性。结论:该系统轻便小巧、功耗低、操作简单。系统的实现将为以手机及其他移动设备为平台的人体生理信息监护系统的产品化带来很好的启发,促进医疗监护进入移动计算时代。

便携式心电监护系统中心电信号的实时分析方法设计

目的:设计并实现一种适用于便携式心电监护系统的心电波形实时动态检测和分析的方法。方法 :作者首先应用5点平滑滤波消除信号的高频噪声和50 Hz干扰,然后通过对分段心电信号的长度变换来增强R波,并用长度阈值检测到R波位置,再通过去错检和查漏检算法提高R波检测准确率;正确检测到R波后,利用区域极值和斜率突变特点从R波开始向前、向后搜索找出Q、S波,然后从已开始的Q、S波位置再分别向前向后找到Q波起点和S波终点;最后根据已检测到的QRS波群计算了心率和ST段参数。结果:通过对包含各种噪声的心电信号的分析证明该算法能准确地检测到QRS波群,不受基线漂移和高频噪声的影响;算法用C语言实现后在嵌入式心电监护系统中的应用也表明其处理速度完全满足移动设备的实时动态分析要求。结论:本文设计的心电波形识别方法算法简单、速度快、抗干扰能力强、准确率高,并成功应用于基于32位嵌入式系统的心电监护仪。相信能给便携式心电监护设备研发中心电信号自动检测和分析功能的实现带来一些启发。

语音检索在中医处方信息系统中的应用

针对处方系统手工输入处方效率低的问题,开发一款基于语音识别技术的中医处方信息系统。该系统使用微软语音开发平台Microsoft Speech SDK(SAPI 5.1)实现通过预先设定的语音特征库,检索医师报出的中药名及剂量,查询药品数据库,语音识别准确率极高,减轻了医生的工作量。

基于Linux Qt的软键盘设计与实现

介绍在Linux操作系统Ubuntu中,基于Qt的软键盘设计与实现方法,该键盘包含了通用键盘中的绝大部分功能,界面友善,操作简单,可以应用于各种基于Linux操作系统的带触摸屏设备。

基于嵌入式技术的便携式心电监护仪设计

介绍一种基于嵌入式技术的心电监护仪的设计与实现方法,它具有实时采集、显示、心电信号自动分析处理、报警等功能。系统以基于ARM9内核的32位低功耗微处理器作为控制核心,在心电信号处理中应用了50Hz滤波及合适的R波检测等算法。该系统具有良好的可靠性和精确性,且操作简单,体积小,方便携带,很适合家庭和个人的需要,可作为医生对病人诊断、治疗、观察监护的辅助性设备。

串行技术在工业检测系统中的应用

介绍串行A/D转换器TLC549和串行LED显示驱动器MAX7219在基于单片机AT89C52检测系统中的应用,重点描述 了串行A/D、串行LED显示驱动器和AT89C52的接口设计,以及89C52与上位机串行通信的接口设计。

医用自动屏蔽门结构设计

CT室门是整个CT放射科室中屏蔽最为薄弱的环节,并且高端医疗设备要防止电磁的干扰,为同时实现防辐射和防电磁干扰的功能,本项目利用铍青铜簧片通电防电磁和铅材料防辐射的特性设计了一种全自动防辐射推进门,其结构主要分为屏蔽门的平移运动和压紧运动,采用同步带传动进行平移运动,采用滚珠丝杠进行屏蔽门的压紧运动,实现门扇上的铍青铜簧片能够与门框紧密压紧,达到兼具两种屏蔽功能的目标。

基于空洞空间卷积池化金字塔结构和注意力机制的全卷积残差网络磨玻璃肺结节分割方法

准确分割磨玻璃肺结节(GGN)具有重要临床意义。针对电子计算机断层扫描(CT)图像中GGN边界模糊、形状不规则、强度不均匀等特点导致其分割困难的问题,本文提出一种全卷积残差网络算法,即基于空洞空间卷积池化金字塔结构和注意力机制的残差网络(ResAANet)算法。该网络算法利用空洞空间卷积池化金字塔(ASPP)结构扩大特征图感受野,提取更充分的目标特征,并采用注意力机制、残差连接和长跳跃连接充分保留卷积层提取的GGN敏感特征。首先,用上海市胸科医院收集的565个GGN对ResAANet进行全监督训练、验证,得到稳定的模型;然后,利用收集的另84个GGN和肺部图像数据库联盟(LIDC)公共数据库中145个GGN分别测试模型得到粗分割结果;最后,用连通域分析方法去除假阳性区域得到优化结果。本文所提算法在采集的临床数据和LIDC测试集上的戴斯相似系数(DSC)达到83.46%、83.26%,平均重合度(IoU)达到72.39%、71.56%,切片分割效率达到0.1 s/张。与其他算法相比,本文提出的方法能准确、快速分割GGN,且具有较好的稳健性,可以为医生提供结节大小、密度等重要信息,辅助医生后续的诊断和治疗。

三维心腔标测图与CT分割图像配准方法的研究

本文提出一种三维心腔标测图与CT图像三维心腔分割表面配准的新方法,该方法以为配准目标施加随机扰动的方式挣脱局部极值的束缚,从而得到最接近全局最优的结果,有效地解决了现有基于迭代最近点(ICP)的算法易陷入局部极值的缺点,提高了三维心腔标测图与CT图像三维心腔分割表面的配准精度和配准成功率。实验结果表明,本文方法最终配准成功率及配准的精度明显优于现有基于ICP的算法,实现了三维心腔标测图和CT图像三维心腔分割表面在大范围初始偏移情况下的配准。

糖尿病视网膜病变眼底图像筛查研究

眼底照相是获取眼部图像的主要技术之一。利用眼底相机对视网膜病变区域进行拍摄可以获得清晰的图像,从获取的图像中能够直接观察到眼球中的渗出物、出血点和微血管瘤,根据检测出的病灶类型、数量和位置等信息可进行糖尿病视网膜病变分类。基于此,本文利用深度神经网络对糖尿病视网膜病变进行自动分类识别,提出了一种体系结构简单、在通用设备上运行速度快的卷积神经网络CA-RepVGG(CA代表Channel Attention, RepVGG为现有模块)。利用单路极简结构的RepVGG模块替代复杂的可使用性较差的模块作为分类模型的主体部位,并选用高效通道注意力机制ECA替代压缩注意力机制SE,以此来提升模型对病变分级的能力。此外,本文还将CA-RepVGG模型与传统的分类模型VGG-16、Inception-V3、ResNet-50和ResNext-50模型进行了比较。从比较结果可以看出,虽然CA-RepVGG模型的参数量最大,但由于其是单分支结构,且只有3×3卷积块,因此它的模型复杂度并不高,分类速度很快,比另外4个模型中分类速度最快的ResNet-50还高出15.3%。另外,利用两个混淆矩阵展示了所提模型的分类结果,其在两个数据集上的准确度都超过了92.4%,精确度不低于91.6%,灵敏度在93.8%以上。从实验结果可知,所提模型不仅可对糖尿病视网膜病变进行分类,而且相比其他现有模型具有一定的优越性。若将该模型应用在临床上,可以提高专业眼科医生在眼科疾病上的诊断效率。