脐动脉血流时间序列PS-WOA-BP神经网络诊断模型研究

为解决人为经验导致的早期脐血流病理诊断准确率不高问题,提出人工智能算法与混沌理论相结合的智能诊断模型。根据脐血流时间信号具有混沌特性,采用WOA算法与BP神经网络,构建PS-WOA-BP智能诊断模型,与传统BP算法和WOA-BP神经网络构建的诊断模型进行对比。结果表明,脐血流二维相空间混沌序列包含更多的代表性特征,以此构建的PS-WOA-BP智能诊断模型具有较高的准确度和良好的泛化能力。

一种先天性心脏病杂音分割及分析方法

目的心音信号中的杂音成分可以反映心脏结构缺损等异常情况。本文提出一种心杂音分割及分析方法用于先心病杂音信号的识别。方法为去除临床采集心音信号中的噪声干扰,采用基于频率切片小波变换的降噪新方法提高听诊精度。然后采用特征矩波形分析方法分割并提取心脏杂音间期信号。最后对心脏杂音间期心音信号提取心音梅尔尺度特征参数。结果通过临床采集的32例正常和16例室间隔缺损心音数据进行实验,计算心脏杂音间期片段提取特征参数的平均值和标准差,得到正常及室间隔缺损患儿心音数据的梅尔尺度特征参数范围。结论该方法可以在心脏收缩杂音期有效识别室间隔缺损心音信号特征,对于舒张杂音期信号尚需进行多角度特征提取及分析。该方法可以为典型先心病筛查及监控提供有效参考。