导读:本文包含了心电检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:心电,肺心病,向量,心电图,特征,干性,分解。
心电检测论文文献综述
王凤翠,崔彦博[1]（2019）在《心电向量图联合血浆脑钠肽及HbAlc检测对慢性肺心病的诊断价值研究》一文中研究指出目的对脑钠肽在慢性肺心病的质量过程中会起到的作用以及进一步的具体应用所具有的使用价值进行探讨。方法对某医院在某时间内收治的66为慢性肺心病患者的质量情况进行观察测试,测量开始之前之后对于患者收缩末期的血浆脑钠肽进行测量比对,这一过程中重点监测比值,肺动脉收缩压,动脉血氧分压,动脉血氧分压,1s用力呼气量和肺活量。同时,70名健康体检医师被用作对照组。结果经过检测可以看出患者病情加重的时候血浆当中脑钠肽的浓度为(4665.34±139.56)ng/L,而相对的患者病情不严重的时候血浆中脑钠肽浓度为(148.65±12.32)ng/L.差异有统计学意义。慢性肺心病患者治疗4周后血浆脑利钠肽浓度为(356.28±68.75)ng/L,差异有统计学意义。结论血浆脑利钠肽是反映CPHD急性加重的敏感指标。脑钠尿肽浓度对CPHD急性加重期的诊断和治疗具有较高的指导价值。(本文来源于《智慧健康》期刊2019年30期）
朱荣亮[2]（2019）在《心电信号检测与老年人常见心电异常的识别分类》一文中研究指出随着我国老龄化程度的日益加深,心血管疾病已严重影响人们的生活质量和社会稳定。目前关于老年人健康监护和疾病诊断的研究受到广泛关注和认可,其研究的重点是异常心电信号的分析诊断。现阶段,有关异常心电识别的研究主要集中在常见心律失常分类等方面,尚存在心电信号识别精度不高、分类器的训练时间过长等缺点。本文针对老年人常见异常心电信号的分类进行深入研究,通过改进去噪和信号特征提取等过程来提高分类准确度,实现了七种老年常见心电信号类型的准确识别。本文的主要工作内容如下:1.分析心电信号常见干扰的特点并结合去噪算法完成了心电信号的预处理。相比于其他文献使用单一方法进行去噪,本文则是对最主要的叁种噪声做针对性处理,即使用中值滤波和改进的LMS滤波器来去除基线漂移和工频干扰;对影响最大的肌电噪声则是采用小波变换和稀疏分解两种方法进行研究并利用人工蜂群算法来提高稀疏分解中原子的匹配速度。实验结果表明,本文所设计的预处理方法能够在保证心电信息不丢失、波形不畸变的前提下实现常见干扰的滤除,去噪效果更加优秀。2.重点完成心电信号特征波的识别定位以及特征提取等工作。首先,本文提出了差分阈值结合相空间重构技术的新方法,在实现R波精准定位(误检率降低一半)的同时系统耗时也缩短了近5倍;然后对特征波起止点的检测结果进行了修正,即采用前向差分法寻找到开始稳定变化的点作为修正后的起止点。该方法有效地避免了残留噪声对特征提取的干扰;考虑到ST段具有重要的临床意义且与心肌梗死等疾病密切相关,故采用曲线拟合等方法对其进行重点分析,最终实现了ST段九种形态的识别。3.设计了用于老年人常见心电异常信号识别的分类器。本文选择在处理小样本和非线性数据上具有极大优势的支持向量机为基础模型进行分类器的设计。为进一步优化系统的性能,本文首先通过数据降维来简化特征参数从而达到缩短训练时间的目的,其次利用各种参数优化算法调整分类器的参数。最后确定了KPCA+GA+SVM的分类器设计方案。本文所使用的心电数据均来自国际标准心电数据库,而用于分类器训练的样本也是根据专家的注释文件进行提取的,因此实验结果具有极高的可靠性和说服力。与传统SVM分类器相比,本文所设计的心电波形分类器的平均准确度高达98.79%,而训练时间缩短了11.46%。(本文来源于《太原理工大学》期刊2019-06-01）
吴绒绒[3]（2019）在《一种可穿戴心电检测的高阻抗前端研究》一文中研究指出伴随着科技进步,人口老龄化问题愈加严重,心血管疾病的防治刻不容缓。可穿戴医疗设备的出现为这一难题提供了新的可能。数据采集传感电路作为可穿戴医疗设备中首要部件,其性能和测试方式对可穿戴设备具有重要作用。由于人体生物电信号的微弱和低频特征,可穿戴设备主流的干性接触测试需要传感电路具有非常高的输入阻抗和低噪声特性。本文针对可穿戴医疗设备中生物电信号干性接触测试的需求,提出了一种超高阻抗传感放大电路,并对该电路建立了噪声模型进行相关分析,通过仿真结果与理论结果的对比说明了该模型的正确性。基于该噪声模型的分析提出了相关的噪声优化方法。实验证明了所提高输入阻抗放大电路通过外围元器件的匹配可以实现输入阻抗达100GΩ甚至更高的量级,而等效输入噪声实测结果仅2μV。基于所提高输入阻抗放大电路设计了以AD620为信号调理核心的心电信号采集系统,通过用镀锡电极及硅胶心电绷带在干性接触情况下实测人体心电信号的实验证明了所提高输入阻抗传感前端能够满足干性接触测量人体心电信号场景下的应用。(本文来源于《南京大学》期刊2019-05-23）
吴琼琼[4]（2019）在《运动心电实时数据异常检测系统研究与应用》一文中研究指出在运动时,有些人会产生身体的不适,严重的会发生猝死现象。因此,运动时人们更要关注自己的心脏状况,及时调整运动量,从而避免出现无法挽回的后果。心电图能对人体的心脏电活动状况进行描述,同时也是医生对心脏病进行诊断治疗的重要依据,对处于运动状态的人进行心电实时监测具有实际应用价值。本文对心电异常检测方法进行研究。心电信号分析主要分为四个过程,其步骤为:数据预处理、QRS波群检测、特征提取和心电异常识别。根据现有的智能分析算法,为保证心电信号的去噪效果和实时性,本文采用的滤波器为级联低通和高通滤波器所组成的带通滤波器,该滤波器能很好的去除运动心电信号中的噪声,并采用Pan-Tompkins算法对QRS波群进行实时检测。在心电数据分析中,提取准确的心电特征是心电数据分析的关键环节,本文提出了一种小波包分解和主成分分析相结合的心电特征提取方法。为了提高心电数据异常识别时的准确率,本文采用遗传算法对支持向量机的参数C(惩罚参数)和g(核函数参数)进行寻优操作,设计了GA-SVM分类器。本文使用北京麦邦光电仪器有限公司提供的踏车运动心电数据及国际心率失常数据库MIT-BIH的四类心电数据:正常心跳、室性早搏、左束支传导阻滞、右束支传导阻滞进行实验,测试集分类效果良好,准确度优于其他分类预测模型。实验结果表明本文提出的特征提取算法稳定有效,通过遗传算法优化支持向量机参数提高了分类器性能。因此,本文采用的心电数据异常检测方法能够对心律失常进行有效地识别,对于心脏疾病的诊断和及时治疗具有重要意义。最后,本文开发了一款基于Android的运动心电异常检测系统,该App软件与相应的心电采集设备配套使用。系统能够完成心电数据的实时传输,并能在手机端进行心电数据分析。此外,该系统还具有显示用户的运动轨迹及对用户位置进行实时定位的功能,一旦发现用户心电出现异常,能够及时报警。经测试,该软件性能及功能运行良好。(本文来源于《北方工业大学》期刊2019-05-06）
赖宏基[5]（2019）在《基于心电动力学图和回声状态网络的心肌缺血早期检测研究》一文中研究指出心电图是临床上心肌缺血早期检测最常用的方法,因为心电图检测价格低廉、操作简单、对人体没有创伤。但是基于心电图的心肌缺血早期检测准确率相比于其它一些有创伤性的方法还是较低,为此,许多学者也对心电图进行了研究,但这些学者大都只是把心电图当成是一种静态模式进行研究。确定学习理论可以实现动态环境下知识的学习、表达、存储以及再利用,是智能控制领域的一项新理论。基于确定学习理论的心肌缺血早期检测将心电图看成是一种动态模式,提取出心电信号中ST-T段的动力学特征,根据心电动力学特征在叁维坐标空间的投影(心电动力学图)形状对心肌缺血的存在与否做出诊断,取得了令人满意的诊断效果。根据心电动力学图的形状进行分类,只是一种定性分析方法。为了更科学、高效地对心电动力学特征进行分类,本文采用多泛函回声状态网络集成模型作为分类器。回声状态网络是一种特殊的循环神经网络,它用储备池替代了隐含层,训练时只需要训练储备池到输出层的连接权值,因而训练过程十分简单。泛函回声状态网络是一种特殊的回声状态网络,保留了回声状态网络训练速度快的优势,还解决了回声状态网络无法直接对时间序列进行分类的问题。对于同一个待分类任务,本文用多个泛函回声状态网络生成一种集成分类器,降低单一泛函回声状态网络进行分类时随机值参数带来的影响。实验结果表明,多泛函回声状态网络集成分类器对心电动力学特征具有优秀的分类能力,是一种高性能的分类器。为了更广泛地将本文提出的算法投入到实际医疗环境中进行实验,本文最后开发了一套基于WPF的心肌缺血早期检测系统,通过C#和C++混合编程,借助Armadillo线性代数库解决算法中涉及的大量矩阵运算问题。系统的主要功能包括数据采集、数据预处理和诊断分析。该系统的实现,也为算法的进一步检验打下了坚实的基础。(本文来源于《华南理工大学》期刊2019-04-18）
徐亮,季燕妮,殷云杰,唐韩,牛孝辉[6]（2019）在《心电向量图联合血浆脑钠肽及HbAlc检测对慢性肺心病的诊断价值》一文中研究指出目的分析心电向量图联合血浆脑钠肽(BNP)、糖化血红蛋白(HbAlc)检测对慢性肺心病的诊断价值及临床意义。方法选取2015年1月至2017年12月该院收治的100例慢性肺心病患者作为观察组,同期选取100例健康体检者作为对照组;对所有受试者采用心电向量图进行检查,并检测患者血浆BNP、HbAlc水平,分析各指标单独诊断及联合诊断的价值及临床意义。结果两组患者心电向量图检测结果差异有统计学意义(P<0.05),且观察组患者血浆BNP及HbAlc水平显着高于对照组(P<0.05);心电向量图检测阳性96例,BNP检测阳性104例,HbAlc检测阳性96例,平行联合诊断阳性114例,系列联合诊断阳性82例;系列联合诊断灵敏度显着高于其他指标(P<0.05),平行联合诊断特异度显着高于其他指标(P<0.05),且平行联合和系列联合诊断的ROC曲线下面积显着高于各指标单独诊断(P<0.05)。结论采用心电向量图联合血浆BNP、HbAlc对慢性肺心病患者进行诊断时,可有效提高诊断特异度、灵敏度,改善ROC曲线下面积。(本文来源于《重庆医学》期刊2019年04期）
徐伟钊,莫鸿强,田联房,欧德苗[7]（2018）在《一种心电干扰下的表面肌电起止点检测方法》一文中研究指出表面肌电图(sEMG)广泛应用于临床医学、康复医学、体育健身等方面的研究中,而对其进行分析的前提条件是要准确判断肌电的动作起止时刻。当sEMG测量位置靠近心脏时,起止点检测容易受心电(ECG)干扰而出现误判。针对影响起止点判断的ECG干扰的特点,本文建立了一种基于短时能量和短时过零率的肌电起止时刻判断算法,设置双阈值来自动检测sEMG信号端点。本算法的依据是sEMG与ECG在短时过零率上的差异,以及sEMG与背景噪声在短时能量上的差异。对腹直肌的sEMG信号采集的实验结果表明,这一算法基本不受ECG干扰的影响,检测结果的准确率达到95.6%。(本文来源于《生物医学工程学杂志》期刊2018年06期）
肖宪杰,程华胜,宋宇文,杨东辉,曲鹏[8]（2018）在《单道心电记录仪用于心房颤动检测的临床研究》一文中研究指出目的评价一种单道心电记录仪(Ryhthm Watch~(TM))在指导房颤检测中应用的安全性和有效性。方法受试者同时使用试验器械及12导联心电图机,试验器械数据和心电图机报告分别由数据分析委员会进行评估,以心电图机的诊断结果作为金标准计算出试验产品指导检测房颤的准确率。结果单道心电记录仪用于指导房颤检测的准确率为100%;整个试验过程中,未发生与试验器械相关的不良事件。结论本研究中所使用的单道心电记录仪在临床实践中安全有效,其对房颤检测的准确性与12导联心电图机相仿。(本文来源于《实用心电学杂志》期刊2018年05期）
张朝福[9]（2018）在《基于物联网的心电检测系统的设计》一文中研究指出本文运用物联网技术,设计了一套远程心电检测系统,系统能够采集到医院病人的心电图,然后通过物联网技术把采集到的心电图发送到护士和医生终端上。心电图的采集使用的是AD8232模块,可以用于心电图采集,数据的传递是采用Zigbee通信协议,护士和医生用终端设备方便快捷的进行诊断,从而提高了医疗诊断的效率。(本文来源于《电子测试》期刊2018年19期）
赖汝楠[10]（2018）在《便携式心电检测设备的心律失常分析算法研究》一文中研究指出心血管疾病是威胁人类健康的一大杀手,传统的大型心电检测设备由于体积大、价格昂贵、检测步骤复杂等缺点,已经不能满足人们的需求。近些年来,随着人们对于健康的关注,越来越多的人开始使用便携式心电检测设备关爱心脏健康。但多数便携式心电检测设备(如手环、金属电极式心电仪)只能检测心率,不能进行波形分析、疾病诊断等,影响用户体验。结合便携式心电检测设备的发展现状,本文研究了一种适合于便携式心电检测设备使用的心律失常分析算法,它只需要定位心电波形的五个特征点,就可分析几种常见的心律失常疾病。本文进一步开发了可进行用户心电信息管理的Android手机客户端,可以实时接收便携式心电检测仪通过蓝牙传输的心电信号,并显示心电信号分析之后的结果,之后将心电信号进行保存。本文完成的主要工作如下:(1)从心电波形预处理、心电特征点定位、心律失常分析叁个方面总结了近些年来心电自动分析技术的国内外研究现状,研究了便携式心电检测设备的研究现状和Android平台和技术的架构和优势。(2)算法研究:对于心电信号的预处理,本文比较了常用的心电信号预处理算法,最终选择采用巴特沃斯低通滤波器滤除肌电信号,采用50Hz陷波器抑制工频干扰,采用FIR高通滤波器纠正基线漂移。在特征点定位方面,研究了常用的基于差分阈值的R波检测法和基于小波变换的R波检测算法,考虑到便携式心电设备检测信号的实时性要求,采用了改进的阈值法检测QRS波。此外,设计了基于窗口搜索法的模极大值对检测算法来检测P波和T波。本文研究了现有的心电检测算法,提出了一种结合二次多项式核函数的SVM分类法和逻辑分支判别法的心律失常分类算法。该算法具有运算量小,运算速度快等优点,适合于便携式心电检测设备的应用。(3)软件设计:实现了Android平台下便携式心电检测设备的软件设计和编写。可以实现心率和心电分析结果的实时显示,设计了SQLite数据库实现用户信息和检测数据的保存。基本可以满足便携式心电检测系统的软件需求。经过人体组和模拟器组的实验验证,此软件可以实现计算实时心率、心律失常分析、数据存储和管理等功能,可以初步满足家庭用户的需求。(本文来源于《重庆大学》期刊2018-09-01）
心电检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着我国老龄化程度的日益加深,心血管疾病已严重影响人们的生活质量和社会稳定。目前关于老年人健康监护和疾病诊断的研究受到广泛关注和认可,其研究的重点是异常心电信号的分析诊断。现阶段,有关异常心电识别的研究主要集中在常见心律失常分类等方面,尚存在心电信号识别精度不高、分类器的训练时间过长等缺点。本文针对老年人常见异常心电信号的分类进行深入研究,通过改进去噪和信号特征提取等过程来提高分类准确度,实现了七种老年常见心电信号类型的准确识别。本文的主要工作内容如下:1.分析心电信号常见干扰的特点并结合去噪算法完成了心电信号的预处理。相比于其他文献使用单一方法进行去噪,本文则是对最主要的叁种噪声做针对性处理,即使用中值滤波和改进的LMS滤波器来去除基线漂移和工频干扰;对影响最大的肌电噪声则是采用小波变换和稀疏分解两种方法进行研究并利用人工蜂群算法来提高稀疏分解中原子的匹配速度。实验结果表明,本文所设计的预处理方法能够在保证心电信息不丢失、波形不畸变的前提下实现常见干扰的滤除,去噪效果更加优秀。2.重点完成心电信号特征波的识别定位以及特征提取等工作。首先,本文提出了差分阈值结合相空间重构技术的新方法,在实现R波精准定位(误检率降低一半)的同时系统耗时也缩短了近5倍;然后对特征波起止点的检测结果进行了修正,即采用前向差分法寻找到开始稳定变化的点作为修正后的起止点。该方法有效地避免了残留噪声对特征提取的干扰;考虑到ST段具有重要的临床意义且与心肌梗死等疾病密切相关,故采用曲线拟合等方法对其进行重点分析,最终实现了ST段九种形态的识别。3.设计了用于老年人常见心电异常信号识别的分类器。本文选择在处理小样本和非线性数据上具有极大优势的支持向量机为基础模型进行分类器的设计。为进一步优化系统的性能,本文首先通过数据降维来简化特征参数从而达到缩短训练时间的目的,其次利用各种参数优化算法调整分类器的参数。最后确定了KPCA+GA+SVM的分类器设计方案。本文所使用的心电数据均来自国际标准心电数据库,而用于分类器训练的样本也是根据专家的注释文件进行提取的,因此实验结果具有极高的可靠性和说服力。与传统SVM分类器相比,本文所设计的心电波形分类器的平均准确度高达98.79%,而训练时间缩短了11.46%。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
心电检测论文参考文献
[1].王凤翠,崔彦博.心电向量图联合血浆脑钠肽及HbAlc检测对慢性肺心病的诊断价值研究[J].智慧健康.2019
[2].朱荣亮.心电信号检测与老年人常见心电异常的识别分类[D].太原理工大学.2019
[3].吴绒绒.一种可穿戴心电检测的高阻抗前端研究[D].南京大学.2019
[4].吴琼琼.运动心电实时数据异常检测系统研究与应用[D].北方工业大学.2019
[5].赖宏基.基于心电动力学图和回声状态网络的心肌缺血早期检测研究[D].华南理工大学.2019
[6].徐亮,季燕妮,殷云杰,唐韩,牛孝辉.心电向量图联合血浆脑钠肽及HbAlc检测对慢性肺心病的诊断价值[J].重庆医学.2019
[7].徐伟钊,莫鸿强,田联房,欧德苗.一种心电干扰下的表面肌电起止点检测方法[J].生物医学工程学杂志.2018
[8].肖宪杰,程华胜,宋宇文,杨东辉,曲鹏.单道心电记录仪用于心房颤动检测的临床研究[J].实用心电学杂志.2018
[9].张朝福.基于物联网的心电检测系统的设计[J].电子测试.2018
[10].赖汝楠.便携式心电检测设备的心律失常分析算法研究[D].重庆大学.2018
论文知识图
