一、成人标准12导联心电图QT间期的多维空间标度分析（论文文献综述）
薛彦平[1]（2020）在《基于深度学习的心电信号心肌梗死智能检测与定位研究》文中进行了进一步梳理随着人们生活方式的改变以及社会人口老龄化的发展,心血管疾病的发病率和死亡率呈逐年递增趋势,现已成为国民健康的第一杀手。据2018年中国心血管疾病报告显示,我国心肌梗死患者约有250万人,平均每3秒就有一个患者出现,但其中仅5%的患者得到了及时有效的救治。心梗发生后,患者有着宝贵的黄金救治时间,在此期间内,如果能尽快确诊并采取相应治疗措施,可有效缩小梗死面积,降低病死率,早期诊断心梗对其治疗和预后具有重要意义。近年来,心梗的早期智能检测和快速精准定位成为心血管疾病领域研究的热点。本文针对现有心梗早期诊断存在的手工设计特征泛化能力差以及特征分类类别和定位精度不符合临床要求的问题,采用深度学习方法,从心电信号中自动获取疾病诊断的关键特征,实现心肌梗死的智能检测和定位。具体研究内容如下:（1）针对心肌梗死检测问题,在远程医疗海量心电图背景下,本文提出了基于密集连接卷积神经网络的单导联心肌梗死检测算法。通过堆叠多个密集块构建密集连接卷积神经网络,利用密集块之间紧密的连接方式获取对心电特征更丰富的描述和判别,使得网络能够自动学习鲁棒性强且具有区分度的特征,从而实现心肌梗死快速精准地智能检测。实验证明,所提算法在心肌梗死检测实验中检测精度达到了99.79%;在多组含噪声不同信噪比情况下,心肌梗死检测精度也均超过97.88%,充分证明了本文算法的有效性。（2）针对心肌梗死定位问题,考虑医学信息的先验指导,本文提出了基于网络压缩的密集连接卷积网络的多导联心肌梗死定位算法。由于12导联信号数据维度大以及导联间信息冗余,引入网络压缩技术对心肌梗死定位模型进行优化,精简网络模型。通过通道层次的稀疏正则训练和剪枝有效降低信道维度,微调修剪网络获得紧凑高效的模型。实验证明,本文方法在心肌梗死定位中取得了准确率、敏感性和特异性分别为99.92%、99.90%和100%的高精度识别,同时模型参数和计算操作显着降低,充分证明了本文算法的高效性。
王之[2]（2020）在《基于心电特征分析的室颤预测研究》文中研究表明心脏骤停（Cardiac Arrest,CA）发病急,死亡率高。美国每年有35万成年人因心脏骤停死亡,我国每年约发生54.4万例心脏骤停,发病人数位居世界首位。心脏骤停中75%-80%的初始节律为心室颤动。电击除颤是治疗室颤的唯一方法,每延迟除颤1分钟,复苏成功率下降7%-10%。研究表明绝大多数心脏骤停患者为独居老人,导致从疾病发生到被发现间隔较长,平均需要约30分钟。每一次紧急呼叫时间为3.5分钟,另外还存在6%的呼叫者不在病人身边,7%的呼叫者离开手机等情况发生,并分别造成24秒和43秒的延迟。加之救护车到达室颤现场的平均单程时间约为16分钟（范围为4-43分钟）,已经错过了4分钟的最佳抢救时间。因此室颤患者需要提前1小时的预警才能勉强得到及时的医疗干预,挽救患者生命。心电因其易于获取成为室颤预测的最佳选择,目前通过对临床积累已经得到众多与室颤相关的心电图特征,包括R波时限、T波倒置、QT间期等。同时心率变异性（Heart Rate Variability,HRV）特征也用于室颤预测的研究,如正常窦性RR间期标准差（SDNN）、相邻RR间期差值的均方根（RMSSD）和相邻RR间期差值的标准差（SDSD）等时域特征,该类特征分析方法计算简单,已在临床应用较长时间,且积累了大量经验与诊断案例,但没有考虑时序信息,提取的信息较少,不能对脏器或病情定量确诊。随着研究的深入,对HRV信号的频域和非线性动力学分析也在不断加强,如HRV的功率谱可以反应血压、外周血管、交感神经等生理状态,非线性特征可以分析心脏的混沌状态等。与此同时研究人员利用智能算法,如神经网络,支持向量机等,对室颤进行预测,也已经得到了较好的预测效果。但上述研究还有以下问题:1.针对现有应急医疗卫生情况,需要提前至少60分钟以上预测室颤发生才能保证即将发生室颤的患者可以得到及时的早期医疗干预。目前,很少有报道可以在上述时间之前预测室颤发生。2.当前预测多数集中在HRV特征上,该类特征除时域计算简单外,其余特征均计算复杂,首先需要连续采集心电,其次需要人为插值RR间期得到完整HRV信号,再次计算特征,最后预测。这一过程计算复杂,且对计算设备要求相对较高,不便于小型设备集成。3.HRV特征是否可以定量的诊断疾病在学术上存在较大争议,没有得到临床医生的广泛认可。部分HRV信号本身就不能使用恰当的医学术语解释,利用其所得的预测结果则更难理解。针对上述问题,本研究的主要工作包括:1.探讨心电形态学特征预测室颤的能力计算8个时间点心电形态学特征的差异,并比较预测能力,得到4个预测能力最强的特征。将室颤前第1分钟作为训练集,其余时间点作为测试集,通过不同的机器学习算法（包括逻辑回归、BP神经网络和支持向量机）对室颤进行预测。通过受试者工作特征曲线（Receiver Operating Characteristic Curve,ROC）下面积（Area Under ROC Curve,AUC）、灵敏度（Sensitivity）、特异度（Specificity）和准确度（Accuracy）评估预测能力。研究结果表明心电形态学特征对室颤的预测能力较强且稳定,其中R波时限预测能力最强,AUC平均为0.907±0.017。2.比较形态学特征与HRV特征对室颤预测的差异计算每个HRV特征的预测能力后找到最佳特征,并通过相同方法评估组合特征的预测结果。得到其中奇异值分解熵的预测能力最强,AUC平均为0.825±0.046。比较每个时间点形态学特征与HRV特征的预测能力差异。通过净重新分类改善指数（Net Reclassification Improvement,NRI）比较两类特征的预测结果。实验结果表明形态学特征对室颤的预测能力强于HRV特征。3.结合两类特征预测室颤将两类特征组合使用三种预测算法（逻辑回归、BP神经网络和支持向量机）预测室颤。实验结果表明,使用组合特征预测室颤的结果优于单一种类特征的预测结果。在室颤前5分钟时逻辑回归算法的预测结果最优,30分钟后BP神经网络预测结果最好,且不同算法的结果具有互补性。同时得到使用形态学特征的预测结果与两类特征组合的预测结果未见明显差异,并且在室颤前30min-60min时HRV特征的预测效果明显变弱。4.提出了一种基于集成学习的室颤预测模型利用上述实验结果,提出一种基于集成学习的室颤预测模型。针对不同的机器学习算法优点,集成学习可以有相对较高的预测准确性和模型稳定性。实验结果对室颤预测的准确度、灵敏度和特异度分别达到95.3%,90.8%和99%。特异度的计算结果与实验预期一致,在7个时间点均达到了98%以上。本文首次研究比较了HRV特征与形态学特征对室颤的预测能力,探讨了结合两类特征后对室颤的预测能力,进一步提出了一种基于形态学特征的室颤预测模型。实验结果表明,形态学特征的预测能力优于HRV特征,结合两种特征在一定情况下可以提高预测准确度。利用本研究提出的基于心电形态学特征的室颤预测模型能够提前对室颤患者发出警示,该结果为进一步预测室颤提高生存率提供了可行的理论支持,同时利用形态学特征简便快速的计算特性,可集成在穿戴式心电监测设备中。
朱宏亮[3]（2019）在《低温低压环境对人体生理信号的影响》文中进行了进一步梳理随着时代的进步,人们生活水平的提高,人们所处的环境也在发生改变。在常见的环境参数指标中,气压和温度及其变化会对人体的生理和心理都会产生重要影响。因此,环境与人体健康之间的关系成为了现代人重点关注的领域之一。然而,目前多数研究者对环境因子与生理信号变化关联性的研究,大多停留在基于宏观数据的统计研究,而对环境改变导致生命体征动态变化过程尚不了解。为了研究环境变化时生命体征变化的动态过程,本文设计一种环境参数及人体生理信号集成采集系统,系统可同时采集温度、气压等环境参数,和心电、血氧饱和度等生理参数,通过对环境参数和生理参数的同时处理,可揭示温度和气压变化与心电和血氧饱和度变化的关联关系,进而研究在温度和气压环境下生理信号变化的相关规律,对疾病预防、健康保健和特殊工作有效防护等方面有着重要的作用。论文的主要研究内容包括:（1）本文设计了环境参数和生理参数集成采集系统,本系统由多环境参数采集终端、多生理信号采集终端、电源模块、网络服务器端及应用软件组成。其中,多环境参数采集终端可采集温度和大气压,精度为0.5℃和lmbar,功耗为2.7mW。多生理信号采集终端可采集心电和血氧饱和度,满足心电YY0885和血氧饱和度YY0505标准。（2）为了探究低温低压环境下生理信号的变化特征,该系统对采集到的心电信号基于小波算法进行预处理、R波提取和心率计算,并分别从时域、频域和Poincare散点图分析等方面提取了心率变异性特征参数,结合指端血氧饱和度的计算结果,共同分析交感神经和迷走神经活性在测试过程中的变化情况。（3）本文设计并实施了低温低压环境下检测3个人的生理信号实验。通过环境模拟舱实验模拟-10℃和3650m海拔的环境,整体实验过程中本集成采集系统运行稳定、数据可靠。本文实验结果显示,在进舱前室温常压环境下和低温低压环境下,人体的交感神经、迷走神经及血氧饱和度发生变化。该系统的使用及实验结果的分析为相关研究提供有力工具和初步实验的参考依据。
彭安林[4]（2017）在《体外快速药物测定传感器研制及在治疗药物监测中的应用》文中研究指明世界卫生组织（WHO）统计资料显示,全球有30%的患者死于不合理用药。我国不合理用药情况更为严重,药源性不良反应的住院患者高达34%,其中抗肿瘤药物阿霉素（DOX）和平喘药氨茶碱（AMI）引起的不良反应病例报道较为常见。患者因个体差异在治疗过程中对阿霉素和氨茶碱表现出的不同的量效关系。为了提高阿霉素和氨茶碱的疗效,避免或减少毒副反应的发生,临床用药指南提出:在患者治疗过程中应进行治疗药物监测（TDM）,定期测定阿霉素和氨茶碱的血药浓度,在TDM的指导下针对不同患者调整用药剂量,设计出个体化给药方案,保证临床用药的安全性和有效性。目前常用于治疗药物监测（TDM）的方法有分光光度法,色谱法和免疫法。分光光度法灵敏度低,专属性差,易受干扰,在TDM中发展应用中有一定局限。色谱法仪器昂贵,对检测设备要求较高,样品预处理复杂,测定周期较长,无法实现临床批量快速检测。免疫法稳定性差,选择性低,且试剂盒昂贵无法普及使用,因而制约了其临床发展应用。因此开发新的检测设备,建立一种方便快捷的分析方法,使阿霉素及氨茶碱TDM工作成为常规临床检测项目辅助治疗,具有重要意义。电化学方法具有灵敏度高、选择性好、操作简单、分析快捷等优点,在环境检测、生物分析、药物监测等领域受到的关注及应用日益增多。本研究将以电化学方法为基础,采用丝网印刷技术研制即抛型的传感器。相对常规检测仪器,即抛型电化学传感器易于制成便携式、低能耗设备;与传统柱状电极比较,它修饰简单,可批量制备,即用即抛;生物样品无需复杂前处理,检测方法简单易操作,极大提高了测定速度,使TDM有望进入常规性的临床检验,将提高临床用药水平,尤其针对安全范围狭窄、治疗血药浓度易波动的药物,TDM工作尤显重要。本论文以多壁碳纳米管（MWNTs）,纳米金颗粒（nano--Au）,多聚赖氨酸（PLL）为修饰材料,研制出了可快速测定阿霉素、氨茶碱的特异传感器,并成功用于生物样本和临床患者血药浓度的测定。论文的研究内容主要包括:第一部分:特异性阿霉素体外快速监测传感器的研制及在生物样品测定中的应用研究研制一种灵敏度高、选择性好的特异传感器,建立体外生物样品无需前处理的阿霉素快速检测方法,并进行生物样品、临床样品的实际测定,为实现合理用药,优化给药方案,提供新技术、新方法。第一节:多壁碳纳米管/多聚赖氨酸（MWNTs/PLL）修饰的阿霉素传感器的制备及其定量分析方法的建立采用丝网印刷技术制备丝印电极,制备工艺如下:首先于基质PVC片材上依次承印工作电极、辅助电极和参比电极得到裸电极（Bare SPE）;通过循环伏安法（CV）、方波伏安法（SWV）等方法进行筛选,以确保印刷电极的稳定性和一致性;然后依次采用MWNTs和PLL对Bare SPE进行滴涂修饰得到MWNTs/PLL复合物修饰的DOX传感器。优化测定条件,于0.1mol/LHAc-NaAc（pH4.5）缓冲体系中采用方波伏安法（SWV）扫描测定DOX在MWNTs/PLL SPE上的电化学行为,建立全血中DOX的分析定量方法。在0.0025 μM-0.25 μM范围内,DOX浓度与峰电流呈现出良好的线性关系,相关系数为0.9954,最低检测限为1.0 nM。重现性考察中,日内、日间精密度RSD<10%,加样回收率在92.60-106.87%之间。MWNTs/PPL修饰的DOX传感器灵敏度高,选择性好,生物样品无需复杂前处理,15min内即可完成分析测定,为临床治疗药物快速监测开辟了新方法。第二节:阿霉素定量分析方法确证及MWNTs/PLL传感器在实际生物样本阿霉素代谢监测中的应用利用MWNTs/PLLSPE建立的定量分析方法测定不同时间点小鼠体内DOX浓度,获得药-时代谢曲线,参照2015版《中国药典》应用高效液相法（HPLC）平行测定,对所建立的方法学进行确证。结果证实两种方法相关性良好,药-时曲线变化趋势一致,5min时血药浓度最高,此后逐渐降低。MWNTs/PLL SPE成功测定了不同时间点小鼠心脏中DOX浓度,与全血中含量存在一定相关性。DOX定量分析方法可行性高、实用性强,为TDM工作指引方向,临床上有望通过监测全血DOX浓度而推测组织中的药物浓度（尤其是心脏组织）,优化给药方案实现最佳治疗效果。第二部分:特异性氨茶碱体外快速监测传感器的研制及在生物样品测定中的应用研究制备一种灵敏度高、特异性好的氨茶碱传感器,建立无需生物样品前处理的体外快速检测方法,并进行生物样品、临床样品的实际测定,为开发新的临床监测设备与技术,积累临床前研究数据。第一节:多壁碳纳米管/纳米二氧化硅/纳米金（MWNTs/Si02/Au）修饰的氨茶碱传感器的制备及其应用首先参照丝印技术印刷裸电极（Bare SPE）,然后采用多壁碳纳米管,纳米二氧化硅,纳米金颗粒等材料对Bare SPE进行滴涂修饰得到MWNTs/Si02/Au复合物修饰的氨茶碱传感器。在最优条件下,应用方波伏安法在0.05 mol/L的Tris-HCl缓冲体系中扫描测定AMI电化学特征。结果测得AMI在修饰电极表面于1.0V左右有显着的氧化峰,在5～200 μM浓度范围内与峰电流呈现较好的线性关系,最低检测限为0.5 μM。同一批制作的修饰电极的标准偏差（RSD）为4.17%,不同批次制作的修饰电极的标准偏差为6.26%,加样回收率范围在95.85-108.03%之间。建立了MWNTs/SiO2/AuSPE测定AMI的方法,在缓冲体系中灵敏度、重现性良好,可直接用于药物注射液及片剂含量的测定。由于AMI在MWNTs/SiO2/Au SPE表面是吸附控制的,在富集过程中,易受尿酸、蛋白质诸多杂质的干扰,传感器灵敏度及选择特异性降低,可检测的线性范围也减小,不能满足临床TDM。此外,在实际血样测定中,传感器MWNTs/SiO2/Au复合膜还存在脱片问题,稳定性还有待提高。鉴于以上原因,后续实验中将再尝试新的修饰剂和制备工艺,制备出可用于实际生物样本品测定的传感器。第二节:多壁碳纳米管/纳米金颗粒/多聚赖氨酸（MWNTs/Au/PLL）修饰氨茶碱传感器的制备及其定量分析方法的建立根据丝印技术印刷裸电极（Bare SPE）,制备多壁碳纳米管/纳米金颗粒/多聚赖氨酸（MWNTs/Au/PLL）复合物修饰的AMI传感器。在最优条件下,应用SWV考察AMI在MWNTs/Au/PLL SPE表面的电化学行为。生物样品测定中,氨茶碱浓度在10～200 μM范围内与峰电流存在良好线性关系,最低检测限是2.0μM。电极批内、批间精密度RSD分别为3.34%和5.78%,全血中加样回收率范围是 96.68%-105.24%。成功研制了MWNTs/Au/PLL SPE,建立了生物样本（血样）中AMI的测定方法。与MWNTs/Si02/AuSPE相比,该传感器灵敏度高,重现性好,监测线性范围广,可用于实际生物样品的测定,为后续监测氨茶碱在动物体内的分布代谢奠定了基础。第三节:氨茶碱定量分析方法确证及MWNTs/Au/PLL传感器在动物体内氨茶碱代谢监测的应用试验1小鼠AMI灌胃给药后,以MWNTs/Au/PLL SPE定量分析方法为检测手段,测定AMI在小鼠体内代谢的药-时曲线及分布情况。同时参考2015版《中国药典》中AMI的测定标准,高效液相法（HPLC）进行确证分析。两种方法测定药-时曲线结果一致,90 min时AMI血药浓度达到峰值,半衰期约4-5 h。日内、日间精密度RSD<15%,回收率在95%-110%之间,表明本研究中建立的定量分析方法是准确可行的。利用方波伏安法（SWV）测定了小鼠血液、肝脏、肾脏中AMI的代谢情况,成功建立了血样、肝脏、肾脏组织中AMI的工作曲线。试验2将64只昆明小鼠分为氨茶碱组和氨茶碱+罗红霉素组,均给予灌胃给药,分别于给药后 10 min、20 min、30 min、60 min、120 min、240 min、480 min摘取眼球取血测定AMI浓度。两组小鼠AMI血药浓度范围呈抛物线式波动,初期血药浓度均稳定上升,90 min时达到峰值。但氨茶碱+罗红霉素组高于对照组半衰期也延长至330 min。在罗红霉素影响下,氨茶碱易在体内蓄积,血药浓度升高,代谢消除速度减慢。第三部分:特异性体外快速监测传感器在临床TDM中的应用研究将上述DOX及AMI定量分析方法用于临床患者血药浓度监测,进一步评估复合物修饰的即抛型传感器在临床TDM中的应用价值,同时为临床代谢工作者提供新方法。第一节阿霉素特异传感器在临床TDM中的应用A、B两组肿瘤患者静脉滴注不同剂量DOX化疗后（治疗剂量分别为50 mg/m2和 5 25mg/m2）,分别于 0.5h、1h、2h、4h、8h、12h 静脉采血,应用MWNTs/PLL传感器测定DOX含量。两组患者血样中DOX药-时曲线呈现快速消除相特点,给药1 h血药浓度从247±25.9 nM、174±28.3 nM迅速降低至94±16.6 nM、63±10.3nM。骨髓抑制、心脏毒性反应均与血药浓度正相关,A组患者血常规结果显示白细胞及血小板较治疗前减少,B组患者无明显变化;且A组心电图QT间期时间在给药2-4 h内较B组显着延长,部分患者不良反应达到了 1级心律失常,但心肌损伤标志cTnI及BNP在化疗前后无明显变化（P>0.05）,在DOX治疗早期对心肌毒性作用不显着。MWNTs/PLL阿霉素传感器可成功用于临床TDM,为患者和医生提供了新的检测方法,具有重要意义。第二节氨茶碱特异传感器在临床TDM中的应用A、B两组慢性阻塞性肺疾病（COPD）患者分别静脉滴注0.25 g、0.5 g氨茶碱,连续给药3天并在第三天给药后0.5 h、1h、2 h、4 h、8 h、12 h采取静脉血。根据AMI定量分析方法MWNTs/Au/PLL SPE测定血药浓度;同时评估口服氨茶碱患者血药浓度,优化给药。两组患者血样中AMI药-时曲线呈现一级消除相特点,半衰期约为4h。毒副反应与给药剂量密切相关,B组AMI浓度高于A组,部分患者出现了胸闷、心率加速等轻微不良反应。在临床TDM监测中,患者因口服氨茶碱时间及剂量不当,出现了治疗效果不佳或中毒反应。调整给药时间及口服剂量后,上述问题得到解决。MWNTs/Au/PLL SPE成功测定了临床患者体内AMI代谢情况,优化了治疗方案,解决了治疗效果不佳及药物中毒问题,为体外传感器在TDM中的普及应用奠定了基础。
牛野[5]（2016）在《基于LIBSVM和GPU的心电信号自动检测方法研究》文中指出随着人们生活方式的转变、工作节奏的加快,心脏疾病已经成为现代社会的高发疾病。对心脏疾病早期检测、正确诊断和治疗是降低心脏疾病死亡率的关键。心电信号（ECG,Electrocardiograph）作为唯一能够反映心脏活动的电信号,是诊断和预防心脏疾病的重要依据。传统的心电信号分析需要专业医师来执行。由于我国庞大的人口基数以及老年人口比例的升高,心电信号的自动检测不仅帮助人们更好地预防心脏疾病,也会极大地降低医生的负担。如何利用现代科学技术进行心电信号的自动分析和诊断成为了生物医学工程领域的一个研究热点。本文提出了一种基于LIBSVM和GPU的心电信号自动检测方法,并从三个方面提升心电信号的检测效率。第一,利用小波变换进行心电信号的噪声去除,在不影响有用信号的前提下,去除噪声。第二,基于LIBSVM工具包进行心电信号的自动分类,使用心电信号的小波系数作为形态学特征,并利用心电信号的RR前期、RR后期和本地RR间期作为动态特征。第三,我们利用GPU并行计算平台对支持向量机训练过程进行加速,同时优化LIBSVM串行算法。实际测试结果显示心电信号的分类准确率高达98%以上,心电信号自动分类模型训练的速度提高了 18倍。
段水平[6]（2015）在《基于神经网络的ECG身份识别技术》文中研究表明当前时代科技发展迅速,信息的安全性得到更多的关注。常见的身份识别技术表现出各自的弊端,已经无法满足人们对安全性的需求,人体特征识别技术正是这一需求下的产物,这一技术利用人体本身固有的特征来进行个人身份的认证,具有不会遗失、独特、易采集等诸多优点。目前,指纹识别、声音识别与脸型识别等技术已得到应用。然而,他们都有着各自的缺陷,指纹容易留附于物体表面;声音可以模仿,脸型能从相片中得到等等。ECG信号是很重要的人体信号,常常作为临床诊断依据,也可以作为一种有效的身份认证工具。ECG信号是人体内源信号,由于人体差异,它具备唯一性的特点,且不易于仿制。心电信号作为识别技术是一种相对较新颖的身份识别技术,本文在参考已有的关于ECG身份识别技术的资料上,实现了ECG特征点的提取,对特征权重进行准确分析和完成了最优特征子集的选取,利用GA优化了RBF网络,并实验检测了所设计的网络性能。主要做了以下工作:（1）滤除心电信号的干扰与特征提取。对初始ECG信号进行小波分解,摈弃8尺度分解系数实现消除低频干扰,然后重构信号;在小波分解后设置阀值,消除高频干扰;对ECG信号按照atrous算法分解。设定一个合适的时间窗,提取这个时间窗内的最大值,该最大值即是所需要的R波峰值,再确定下一个R波波峰值,以R波峰值点为基准点,设置搜索窗口,在提取的R波波峰位置前后各50ms处求出极小值即可得到Q波和S波位置;起点和终点可采用直线拟合误差最小法提取。（2）确定了最优特征子集。介绍了线性判别式分析法,分析ECG特征权重,按照各特征对分类的贡献大小构建有序队列,依据网络的识别率来选择最佳子集。（3）优化神经网络分类器。将前面提取的子集作为RBF神经网络的输入。采用GA算法对其进行优,并与RBF神经网络分类器比较识别率,确定了GA优化的神经网络分类器。
侯思羽[7]（2011）在《基于SOPC便携式心电监护系统的研究与设计》文中进行了进一步梳理心电图（ECG）是用来诊断心脏疾病的主要技术之一。随着计算机技术和微电子技术的迅速发展,更多的技术被应用到生物医学测量与仪器的研究和应用当中。由于心脏病发作的突发性与随机性,60%的心脏病死亡发生在患者家中;医院的监护设备往往体积庞大,价格昂贵,不便于携带。所以研发微型化,智能化,便携式的,实用的家用心电监护仪器成为主要的研究方向。本文研究的主要内容是基于SOPC（System on Programmable Chip）片上可编程系统,以Altera公司Cyclone III系列EP3C16Q240C8为核心芯片构建硬件系统的平台,NiosII嵌入式软核作为处理器设计便携式的心电监护系统。本文主要介绍了以下几部分内容:便携式心电监护系统的总体设计。ECG信号采集电路的设计,ECG信号通过前置放大电路,巴特沃思带通滤波器,再经过主放大电路,电压抬升电路,A/D转换电路,被送入FPGA芯片中做数字滤波处理。以及可触摸的TFT液晶屏、SD卡、USB接口等外围设备的电路设计。基于NiosII,在Cyclone III系列EP3C16Q240C8芯片的DE2嵌入式平台上,移植了uClinux操作系统。数字滤波采用Altera公司的DSP Builder设计的等波纹切比雪夫FIR低通滤波器,滤除110Hz以上的高频干扰;再利用LMS自适应FIR滤波器,解决心电信号中的工频干扰和基线漂移问题。ECG信号的检测,采用自适应的可变阈值的差分算法,对ECG信号的Q,R,S,T,P波进行检测及特征参数的提取。通过对特征参数的计算与病症相对应,对各组ECG信号的诊断,得出诊断的结果。本文对上述各个部分进行了详细的讨论,并对整个心电监护系统进行搭建,通过Nios IDE进行软件的开发,设计控制系统的主程序,协调控制各个模块。本设计采用SOPC系统,利用FPGA并行数据处理的优点,NiosII处理器作为系统流程的控制核心,减少了大量外围接口电路,缩小了体积,提高了系统的可靠性,达到了预期的技术指标。使用者可以通过仪器显示的心电波形和数据,对自身的健康状况进行日常的监护和自我诊断。
沈红军[8]（2011）在《冠心病虚实证候自主神经功能状态的研究》文中指出背景心率变异性（Heart Rate Variability, HRV）是指连续心跳间瞬时心率的微小涨落或逐次心动之间的微小差异。HRV反映自主神经系统对心血管活动的调节,通过对正常人或患者进行HRV分析,可了解人体自主神经系统的功能活动,进一步揭示不同疾病和不同状态下自主神经功能特点。研究结果表明,HRV与中医证候之间存在相关性。目的通过对冠心病不同中医证候患者HRV的分析,揭示HRV与冠心病中医虚实证候的关系,探讨为中医证候的现代研究提供新的方法。方法收集符合纳入标准的冠心病患者共211例,所有病例来源于2007年5月至2010年10月期间就诊于中国中医科学院望京医院和首都医科大学附属北京朝阳医院门诊及住院部。采集患者的一般临床资料及中医四诊信息,为每位患者佩戴动态心电分析仪,采集24小时心电信息。根据四诊信息进行中医辩证,将全部病例分为实证、虚实夹杂证和虚证三组。从24小时心电信息中获取每位患者HRV指标数据,对HRV指标数据进行组间分析。1.观察指标以反映自主神经功能的心率变异性为观察指标。HRV分析有时域、频域、非线性参数及心电散点图方法,目前认为,这些方法具有优势互补的作用。本研究采用的具体方法有：1.1 HRV的时域分析指标（1） SDNN--是正常RR间期的标准差,SDNN<50ms为异常,SDNN>100ms为正常,单位：ms。正常值为131±39ms,<l00ms为中度降低,<50ms为明显降低。SDNN代表自主神经的总张力。（2）SDNNindex--是24h全程记录中每5minNN间期标准差的平均值,其正常值是81±24ms,异常分界点是20ms,单位：ms。SDNNindex亦代表自主神经总张力。（3）pNN50---是全部RR间期中相邻的NN间期之差大于50ms的心搏数,占全部RR间期总数的百分比。pNN50代表迷走神经张力。（4）rMSSD——全部相邻NN间期之差的均方根值,单位：ms。正常值为27±12ms。亦代表迷走神经的张力变化。1.2 HRV的频域分析指标（1）Tp---总功率（total pow-er TP）频段0～0.4Hz,代表自主神经的总张力。（2）VLF---极低频功率（very low frequency VLF）频段0.003～0.04Hz；反映交感神经的张力。（3）LF---低频功率（low frequency LF）频段0.04～0.15Hz,反映交感和迷走神经的共同作用。（4）HF---高频功率（high frequency HF）频段0.15～0.4Hz,代表迷走神经的张力变化。（5）LF/HF---低频与高频比：norm LF/norm HF,反映交感神经和迷走神经之间的平衡。1.3非线性参数（1）复杂度：复杂度是用来表征一个动力学系统复杂度的量度,量度系统行为周期性和随机性的指标,一个完全随机的序列,其COM趋于1；而有规律的周期运动,其COM趋于0。（2）近似熵：是评价动力系统自身所含信息量增减的速率的参数。近似熵反映系统无序的量度,即反映系统的混沌程度。对于周期运动,若经过一段时间后系统信息量不增加也不减少,则熵为零,随机运动的的熵为无穷大,而混沌运动近似熵为某一确定的正数。（3）关联维：表示一个集合的代表点在空间充填的性质。用HRV重构相空间,其在相空间的代表点（即吸引子）充填的疏密就是用分形维描述。心率变异的相关维数为3.6-5.2。取各参数24h数据中的11：00-12:00（午时）、23：00-24：00（子时）时段数据分别代表清醒状态和睡眠状态。1.4心电散点图（1）分析图形形态；（2）散点图图形的长轴（长度）、短轴（长度）、短轴／长轴（SD1／SD2）和图形面积。取24h数据中的11：00-12：00（午时）、23：00-24：00（子时）时段散点图分别代表清醒状态和睡眠状态。结果1.一般临床资料211例患者为实证、虚实夹杂证和虚证三组,各组间性别、年龄、病程及合并高血压病、高血脂症、糖尿病等一般情况经统计分析均无统计学差异。2.HRV时域分析时域分析结果见表1,各指标三组间比较均有差异,且实证组>虚实夹杂证组>虚证组。各时域指标作组间比较,经正态性检验,结果SDNN指标符合正态性分布,采用方差分析,P=0.015（<0.05）,表明组间SDNN指标有统计学差异,SDNN作组间两两比较,虚证组与其他两组间均有统计学差异；SDNNindex、PNN50、rMSSD不符合正态性分布,采用非参数检验,各指标P值均<0.01,表明各组间均有统计学差异。表1示各指标统计结果,各指标组间均数均呈递减趋势,即：实证组>虚实夹杂证组>虚证组。3.HRV频域分析频域指标组间比较见表2,TP、VLF、LF、HF均有显着统计学差异,且实证组>虚实夹杂证组>虚证组,LF／HF无统计学差异。TP、VLF、LF三指标符合正态性分布,分别进行组间两两比较,结果显示：实证组和虚实夹杂证组、虚证组间均有统计学差异；TP、VLF、LF、HF在三组间呈递减趋势,即：实证组>虚实夹杂证组>虚证组。LF/HF组间趋势则相反,即实证组<虚实夹杂证组<虚证组。3.非线性参数其中午时段复杂度指标组间有统计学差异,组间比较,实证组与其他两组间均有统计学差异,组间趋势：实证组>虚实夹杂证>虚证组；子时段复杂度、子时段近似熵、午时段近似熵、子时段关联维、午时段关联维无组间统计学差异。4.心电散点图211例病例中观察了54例散点图病例,54例按中医证候分实证、虚实夹杂证、虚证三组,组间性别、年龄、病程及合并症情况无统计学差异。图形形态分析,结果在实证组以“棒球拍状”和“类棒球拍状”图形居多,占33.33%（6/18）,而虚证组占6.67%（1/15）。对图形的子时短轴、子时长轴、子时SD1/SD2、子时面积、午时短轴、午时长轴、午时SD1/SD2、午时面积,时域指标SDNN、SDNNindex、rMSSD、PNN50、频域指标TP、VLF、LF、HF、LF/HF进行组间分析,结果SDNN、HF组间有统计学差异,实证组>虚证组；其他指标未见明显组间差异。总结1.HRV反映人体自主神经功能的能量高低与功能状态是否正常,HRV的不同指标反映自主神经系统功能不同状态。2.冠心病实证组HRV各项时域、频域指标均在正常范围,交感与迷走能量处于平衡态；虚证组HRV各指标低于正常范围,表现交感与迷走能量处于低水平平衡。3.非线性的心电散点图指标显示,在实证组代表HRV正常的“棒球拍”和“类棒球拍”图形居多,而虚证组“棒球拍”和“类棒球拍”图形居少。心电散点图图形未出现虚实两组间的显着差异,可能原因有二：病例数量少：散点图对HRV反映除图形的面积外,从本研究所采用的图形上无法观察到的图形内部结构复杂性也与HRV有关,复杂性低则HRV降低。4.由于各项非线性参数,包括本研究探索应用的复杂度、关联维、近似熵指标与自主神经状态关系尚不清楚,对数据结果还有待进一步理解。5.从本研究各项数据结果看,传统的时域频域指标较为稳定,而非线性指标被认断是最有应用前景,但需要积累更多经验。6.本研究结果提示,冠心病实证无明显自主神经功能损害,虚证组有自主神经功能低下的表现。
许月琳[9]（2009）在《基于混沌时间序列的心电信号辅助诊断》文中进行了进一步梳理心脏疾病是当今威胁人类健康的最严重的疾病之一,在我国心脏病发病率很高而且呈逐年递增的趋势,所以心脏病的防治和诊断已成为当今医学界面临的主要问题。心电图ECG是临床上诊断心脏疾病的重要常规方法,是诊断心脏疾病的重要依据。因此,关于心电信号的处理和分析的研究显得越来越重要了。随着计算机技术的进步,所采用的方法也在不断的改进中。新发展起来的混沌理论为研究心脏电活动提供了新的方法。本论文的研究以临床应用为目的,通过分析心电信号的混沌特征,探讨混沌动力学分析方法在研究心脏活动和疾病诊断中应用的可行性和适用程度,希望为研究心脏活动和进一步的早期临床诊断提供一些新的手段和方法。采用的心电信号均来自国际上公认的MIT—BIH数据库。对健康人、窦性心动过缓病人和室性早搏病人等3种类型心脏病人的数据作为样本进行对比分析。在总结和研究了混沌动力学的基本原理,特别是从时间序列计算混沌动力学参数的基础上,利用功率谱分析、相空间重构、关联维数,最大Lyapunov指数等,得出一些有意义的结论。l)心电信号的功率谱均为连续的频谱,说明心脏系统信号不是简单的随机信号,也不是周期信号。2)计算心电信号的关联维数,所得结果均为非整数,表明心脏系统是混沌的。3)心电信号的最大Lyapunov指数均为正数,表明心脏系统是混沌的。能有效地将健康人和心脏病人区分开来。4)进行了仿真实验,通过实验结果说明了健康人心脏的混沌性最强,窦性心动过缓病人、室性早搏病人病态心脏的混沌性渐渐减弱了。这为利用混沌特征对ECG进行分析及用于心脏疾病的辅助诊断提供了依据。
吴云峰[10]（2008）在《计算智能新技术及其生物医学信号分析应用》文中研究指明目前,计算智能是智能科学的重要方法之一,也是信息技术的前沿课题,以计算智能为核心内容的交叉学科,如机器学习、数据挖掘、智能控制等已成为当前的研究热点,近年来研究出的计算智能新技术和新方法已经广泛应用于多个学科领域,尤其是在信号处理、模式识别、非线性系统最优化、知识工程、计算机辅助医学诊断等方面取得了丰硕的成果。本文针对计算智能领域的神经网络融合算法、自适应信号处理等重点问题进行了专题研究,并将所提出的各种算法应用于计算机辅助医学诊断和生物医学信号分析。本文的研究工作主要有:（1）对膝关节摆动信号进行了波形分析,采用了全局和分段的波形因数、偏斜度、峰度、信息熵、转向计数和均方值方差这几种统计特性并进行了特征选择,此后利用径向基函数网络对膝关节摆动信号进行了有效的诊断。随后,结合了规整化和交叉确认方法提出了多层感知器的最优结构选择算法。（2）对属于非生成式集成的神经网络线性融合算法进行了深入研究,对绝大多数投票、简单平均和加权平均算法进行了归纳总结,提出了新的感知器平均、最小均方融合、归一化加权平均和自适应线性组合算法。在此基础上,通过乳腺癌诊断、酵母蛋白质亚细胞定位预测、乳房组织分类、函数逼近实验进行了神经网络集成系统的性能测试和比较分析。实验结果表明,基于本文提出的神经网络融合算法与之前研究者提出的简单平均、混合专家系统、加权平均等融合方法相比简洁易行,更充分地利用成分神经网络提供的信息,并且能够大幅提升神经网络集成系统的分类正确率和预测精确度。（3）设计出可自适应地消除心电信号中噪声干扰的智能控制系统。研究内容包括两部分,第一部分设计了合适的自适应滤波器对心电信号成分进行估计,通过心电信号各波段的分割和重建而达到噪声消除效果,第二部分根据参考噪声的不同时域和频域特性设计出合适的自适应噪声消除系统。实验结果表明,本文所提出的这两种智能控制系统较传统的自适应滤波系统,能更快速、更有效地消除基线漂移、电源工频干扰和高频随机噪声这几种典型的噪声干扰。
二、成人标准12导联心电图QT间期的多维空间标度分析（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、成人标准12导联心电图QT间期的多维空间标度分析（论文提纲范文）
（1）基于深度学习的心电信号心肌梗死智能检测与定位研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 心肌梗死检测和定位的研究现状 |
| 1.3 本文各章节安排 |
| 第二章 心肌梗死心电信号及数据库 |
| 2.1 心肌梗死的基本知识 |
| 2.1.1 心肌梗死的产生及判定 |
| 2.1.2 心肌梗死的定位 |
| 2.2 心电图的相关知识 |
| 2.2.1 正常心电信号 |
| 2.2.2 心肌梗死心电图表现 |
| 2.2.3 心肌梗死定位与心电图导联关系 |
| 2.3 心电信号数据库 |
| 2.3.1 PTB心电诊断数据库 |
| 2.3.2 MIT-BIH心电噪声数据库 |
| 2.4 本章小结 |
| 第三章 基于密集连接卷积神经网络的单导联心肌梗死检测研究 |
| 3.1 引言 |
| 3.2 基于单导联ECG的心肌梗死检测算法 |
| 3.2.1 信号预处理 |
| 3.2.2 基于DenseNet的单导联心肌梗死特征提取 |
| 3.2.3 基于回归模型的心肌梗死特征分类 |
| 3.3 算法验证和结果分析 |
| 3.3.1 性能评价指标 |
| 3.3.2 实验数据 |
| 3.3.3 模型鲁棒性分析 |
| 3.3.4 实验结果及分析 |
| 3.3.5 实验结论 |
| 3.4 本章小结 |
| 第四章 基于网络压缩的DenseNet多导联心肌梗死定位研究 |
| 4.1 引言 |
| 4.2 卷积神经网络的压缩技术 |
| 4.3 基于多导联ECG的心肌梗死定位算法 |
| 4.3.1 基于心脏模型的多导联心电信号样本构建 |
| 4.3.2 基于网络压缩的DenseNet心肌梗死特征检测 |
| 4.3.3 基于回归模型的心肌梗死特征分类 |
| 4.4 算法验证及实验结果分析 |
| 4.4.1 实验数据 |
| 4.4.2 性能评价指标 |
| 4.4.3 参数选择与分析 |
| 4.4.4 定位实验结果 |
| 4.4.5 结果分析与讨论 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 工作总结 |
| 5.2 工作展望 |
| 参考文献 |
| 致谢 |
| 个人简介及攻读硕士期间取得的研究成果 |
（2）基于心电特征分析的室颤预测研究（论文提纲范文）
| 缩略语表 |
| 英文摘要 |
| 中文摘要 |
| 第一章 绪论 |
| 1.1 心脏性猝死与心室颤动 |
| 1.2 室颤的治疗与预防 |
| 1.3 可用于预测室颤的特征及研究进展 |
| 1.4 存在问题与不足 |
| 1.5 本文研究目的 |
| 第二章 数据提取与预测算法 |
| 2.1 研究流程设计 |
| 2.2 实验数据 |
| 2.3 数据可视化 |
| 2.4 评价指标 |
| 第三章 基于形态学特征的室颤预测 |
| 3.1 单个特征的预测能力 |
| 3.2 多个形态学特征组合预测 |
| 3.3 小结与讨论 |
| 第四章 基于心率变异性特征的室颤预测 |
| 4.1 单个心率变异性特征预测 |
| 4.2 多特征组合预测 |
| 4.3 小结与讨论 |
| 第五章 两种特征预测结果的比较 |
| 5.1 两类特征预测能力的比较 |
| 5.2 两类特征预测结果的比较 |
| 5.3 小结与讨论 |
| 第六章 组合预测模型建立 |
| 6.1 两类特征组合预测室颤 |
| 6.2 集成学习算法 |
| 6.3 集成学习室颤预测结果 |
| 6.4 小结与讨论 |
| 第七章 总结与展望 |
| 参考文献 |
| 文献综述 心室颤动预测的研究进展 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（3）低温低压环境对人体生理信号的影响（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本论文内容及结构安排 |
| 第二章 生理信号意义及其与环境的关联关系 |
| 2.1 生理信号意义及研究方法 |
| 2.1.1 心电信号生理意义及研究方法 |
| 2.1.2 心率变异性生理意义及研究方法 |
| 2.1.3 血氧饱和度生理意义及研究方法 |
| 2.2 环境和生理信号的关联关系 |
| 2.3 环境和生理信号的选择 |
| 2.4 文章小结 |
| 第三章 多生理参数及环境参数采集系统设计 |
| 3.1 系统总体设计 |
| 3.2 系统硬件设计 |
| 3.2.1 主控芯片选择 |
| 3.2.2 环境采集模块设计 |
| 3.2.3 心电采集模块设计 |
| 3.2.4 血氧采集模块设计 |
| 3.2.5 存储模块设计 |
| 3.2.6 电源模块设计 |
| 3.3 通信模块设计 |
| 3.3.1 无线同步方案设计 |
| 3.3.2 通信方式选择 |
| 3.4 软件显示界面设计 |
| 3.5 本章小结 |
| 第四章 生理信号处理与分析算法 |
| 4.1 心电R波提取方法研究 |
| 4.1.1 心电信号预处理 |
| 4.1.2 R波提取算法 |
| 4.2 心率提取算法 |
| 4.3 心率变异性提取算法 |
| 4.4 心率变异性分析算法 |
| 4.4.1 时域分析算法 |
| 4.4.2 频域分析算法 |
| 4.4.3 Poincare散点图分析方法 |
| 4.5 血氧饱和度提取算法 |
| 4.6 本章小结 |
| 第五章 系统测试与志愿者实验 |
| 5.1 系统测试 |
| 5.1.1 系统功能测试 |
| 5.1.2 系统测试结果 |
| 5.2 环境模拟舱测试 |
| 5.2.1 环境模拟舱测试过程 |
| 5.2.2 环境模拟舱结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 附录 |
| 致谢 |
（4）体外快速药物测定传感器研制及在治疗药物监测中的应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1 治疗药物监测(TDM)的重要意义 |
| 2 TDM方法现状 |
| 2.1 分光光度法 |
| 2.2 色谱分析法 |
| 2.3 免疫分析法 |
| 2.4 电化学分析法(EA) |
| 2.5 其他 |
| 3 TDM存在的问题 |
| 4 电化学传感器在TDM中的应用 |
| 4.1 电化学传感器TDM现状 |
| 4.2 丝印传感器的发展 |
| 4.3 丝印传感器(SPE)在TDM中的应用及优势 |
| 4.4 抗肿瘤药物阿霉素TDM研究进展 |
| 4.5 阿霉素监测重要意义 |
| 4.6 阿霉素临床监测方法概况 |
| 4.7 氨茶碱TDM研究进展 |
| 4.8 氨茶碱监测重要意义 |
| 4.9 氨茶碱监测方法概况 |
| 4.10 纳米、高分子材料修饰丝印传感器 |
| 5 本文研究内容 |
| 5.1 特异性阿霉素体外快速监测传感器的研制及在生物样品测定中的应用研究 |
| 5.2 特异性氨茶碱体外快速监测传感器的研制及在生物样品测定中的应用研究 |
| 5.3 特异性体外快速监测传感器在临床TDM中的应用研究 |
| 第二章 特异性阿霉素体外快速监测传感器的研制及在生物样品测定中的应用研究 |
| 1 绪论 |
| 第一节 多壁碳纳米管/多聚赖氨酸(MWNTs/PLL)修饰的阿霉素传感器的制备 |
| 1 前言 |
| 2 实验部分 |
| 2.1 试剂材料及仪器 |
| 2.2 丝印电极的制备工艺 |
| 2.3 修饰电极在全血样本中分析方法的建立 |
| 2.4 干扰试验 |
| 3 结果和讨论 |
| 3.1 丝印电极制备工艺 |
| 3.2 丝印电极的修饰与表征 |
| 4 结论 |
| 第二节 MWNTs/PLL SPE在阿霉素实际监测中的应用 |
| 1 前言 |
| 2 实验部分 |
| 2.1 试剂及仪器 |
| 2.2 丝网印刷电极的制备 |
| 2.3 电化学分析手续 |
| 2.4 色谱条件 |
| 2.5 丝印电极与HPLC方法相关性研究 |
| 2.6 全血与组织样本中DOX含量相关性研究 |
| 3 结果与讨论 |
| 3.1 丝印电极与HPLC方法相关性研究 |
| 3.2 全血与组织样本中DOX含量相关性研究 |
| 4 结论 |
| 第三章 特异性氨茶碱体外快速监测传感器的研制及在生物样品测定中的应用研究 |
| 1 绪论 |
| 第一节 多壁碳纳米管-纳米二氧化硅/纳米金( MWNT -SiO_2/Au)修饰的氨茶碱传感器的制备及其应用 |
| 1 前言 |
| 2 实验部分 |
| 2.1 试剂材料及仪器 |
| 2.2 丝印电极的制备工艺 |
| 2.3 纳米金颗粒的制备 |
| 2.4 多壁碳纳米管/纳米SiO_2/纳米金修饰丝印电极 |
| 2.5 分析方法 |
| 2.6 不同修饰电极电化学行为特征的比较 |
| 2.7 分析条件的优化 |
| 2.8 氨茶碱线性及检出限 |
| 2.9 抗干扰试验及修饰电极重现性、稳定性 |
| 2.10 修饰电极在临床氨茶碱血药浓度监测中的应用 |
| 3 结果与讨论 |
| 3.1 丝印电极的修饰与表征 |
| 3.2 氨茶碱的电化学行为 |
| 3.3 pH值影响 |
| 3.4 扫描频率的影响 |
| 3.5 富集时间的影响 |
| 3.6 线性及检出限 |
| 3.7 抗干扰试验,专属性及修饰电极重现性、稳定性 |
| 3.8 修饰电极在临床氨茶碱血药浓度监测中的应用 |
| 4 结论 |
| 第二节 多壁碳纳米管/纳米金颗粒/多聚赖氨酸( MWNTs/Au/PLL)修饰氨茶碱传感器的制备及其定量分析方法的建立 |
| 1 前言 |
| 2 实验部分 |
| 2.1 试剂材料及仪器 |
| 2.2 多壁碳纳米管/纳米金/多聚赖氨酸修饰丝印电极 |
| 2.3 分析方法选择 |
| 2.4 不同修饰电极电化学行为特征的比较 |
| 2.5 分析条件的优化 |
| 2.6 氨茶碱线性、检出限、电极重现性的测定及在实际样品监测中的应用 |
| 2.7 干扰试验 |
| 3 结果和讨论 |
| 3.1 丝印电极的修饰与表征 |
| 3.2 氨茶碱的电化学行为 |
| 3.3 条件的优化及标曲的建立 |
| 4 结论 |
| 第三节 氨茶碱在生物样本中监测方法学建立及在罗红霉素影响下MWNTs/Au/PLL修饰电极探究氨茶碱在小鼠体内代谢监测的应用 |
| 1 前言 |
| 2 实验部分 |
| 2.1 试剂及仪器 |
| 2.2 多壁碳纳米管/纳米金/多聚赖氨酸修饰丝印电极 |
| 2.3 分析方法 |
| 2.4 色谱条件 |
| 2.5 丝印电极与HPLC方法相关性研究 |
| 2.6 全血与组织样本中氨茶碱含量相关性研究 |
| 2.7 在罗红霉素影响下小鼠体内氨茶碱的代谢情况 |
| 3 结果与讨论 |
| 3.1 丝印电极与HPLC方法相关性研究 |
| 3.2 全血与组织样本中氨茶碱含量相关性研究 |
| 3.3 在罗红霉素影响下小鼠体内氨茶碱的代谢情况 |
| 4 结论 |
| 第四章 体外快速药物测定传感器在临床治疗药物监测中的应用 |
| 第一节 阿霉素特异传感器在临床TDM中的应用 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 实验仪器及材料 |
| 2.2 实验对象 |
| 2.3 实验方法 |
| 2.4 统计学处理 |
| 3 结果与讨论 |
| 3.1 DOX化疗前后血象 |
| 3.2 阿霉素血药浓度监测结果 |
| 3.3 阿霉素不同给药剂量对心脏的毒性作用研究 |
| 4 结论 |
| 第二节 氨茶碱特异传感器在临床TDM中的应用 |
| 1 前言 |
| 2 材料与方法 |
| 2.1 实验仪器及材料 |
| 2.2 实验对象 |
| 2.3 实验方法 |
| 2.4 统计学处理 |
| 3 结果与讨论 |
| 3.1 一般人口学资料分析 |
| 3.2 氨茶碱血药浓度监测结果 |
| 3.3 氨茶碱血药浓度对心率、血气分析、肺功能的影响 |
| 3.4 氨茶碱血药浓度检测与优化给药 |
| 4 结论 |
| 参考文献 |
| 博士期间发表论文 |
| 致谢 |
（5）基于LIBSVM和GPU的心电信号自动检测方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 心电信号自动分析研究内容 |
| 1.3 心电信号自动分析技术发展现状 |
| 1.4 论文内容概述 |
| 第二章 心电信号自动检测基础 |
| 2.1 心电信号的产生和意义 |
| 2.1.1 心电信号的产生 |
| 2.1.2 心电图各个波段的意义和正常参数 |
| 2.1.3 导联安排 |
| 2.1.4 心电信号的主要特性 |
| 2.2 支持向量机简介 |
| 2.2.1 基本思想 |
| 2.2.2 核函数 |
| 2.2.3 软间隔 |
| 2.3 GPU的基本介绍 |
| 2.3.1 GPU的体系结构 |
| 2.3.2 GPU硬件模型 |
| 2.3.3 CUDA的编程模型 |
| 2.3.4 CUDA C语言 |
| 2.4 本章小结 |
| 第三章 心电信号的预处理 |
| 3.1 MITBIH心律不齐数据库 |
| 3.2 心电信号的主要噪声 |
| 3.2.1 工频干扰 |
| 3.2.2 基线漂移 |
| 3.2.3 肌电干扰 |
| 3.3 小波变换去噪分析 |
| 3.4 基于小波变换模极大值方法的信号滤波实验仿真 |
| 3.5 本章小结 |
| 第四章 心电信号的特征提取和自动分类模型的建立 |
| 4.1 LIBSVM介绍 |
| 4.1.1 目标二次函数求解算法 |
| 4.1.2 多类问题的解决方法 |
| 4.2 心电信号的特征提取 |
| 4.2.1 心电信号的形态学特征提取 |
| 4.2.2 心电信号的动态学特征提取 |
| 4.3 心电信号的模型训练过程及结果 |
| 4.4 本章小结 |
| 第五章 基于GPU的心电信号自动分类模型训练加速 |
| 5.1 常见的GPU优化方法 |
| 5.2 心电信号自动分类模型训练的时间分析 |
| 5.3 心电信号自动分类模型训练的算法优化 |
| 5.3.1 矩阵并行化算法 |
| 5.3.2 查表法优化算法 |
| 5.3.3 存储器优化算法 |
| 5.3.4 串行优化算法 |
| 5.4 实验结果及分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（6）基于神经网络的ECG身份识别技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 ECG信号用于身份识别的研究 |
| 1.3 国内外研究现状 |
| 1.3.1 基于特征点提取的身份识别 |
| 1.3.2 基于波形提取的身份识别 |
| 1.4 本文数据来源 |
| 1.5 本文研究的内容 |
| 第二章 小波变换理论 |
| 2.1 概述 |
| 2.2 常见的滤波方式 |
| 2.3 小波变换 |
| 2.3.1 连续小波变换 |
| 2.3.2 离散小波变换 |
| 2.4 多分辨率特性 |
| 2.5 Mallat算法和atrous算法 |
| 2.6 本章小结 |
| 第三章 ECG信号的特征提取 |
| 3.1 小波基的选择 |
| 3.2 心电信号的特点 |
| 3.3 心电信号的预处理 |
| 3.3.1 滤除高频噪声 |
| 3.3.2 滤除低频噪声 |
| 3.4 ECG信号奇异点分析 |
| 3.5 ECG信号特征点提取 |
| 3.5.1 QRS波特征点的提取 |
| 3.5.2 P波和T波特征点的提取 |
| 3.6 本章小结 |
| 第四章 神经网络理论基础与身份识别研究 |
| 4.1 神经网络的选择 |
| 4.1.1 BP神经网络分类器设计 |
| 4.1.2 径向基函数网络（RBFN） |
| 4.2 ECG特征权重分析 |
| 4.2.1 线性判别式分析 |
| 4.2.2 特征权重分析 |
| 4.3 遗传算法简介 |
| 4.3.1 遗传算法简介 |
| 4.3.2 遗传算法特征 |
| 4.4 遗传算法的操作流程 |
| 4.5 GA-RBF模型建立 |
| 4.5.1 遗传算法优化RBF网络的可行性 |
| 4.5.2 GA-RBF算法设计 |
| 4.5.3 GA-RBF算法流程 |
| 4.6 实验结果及分析 |
| 4.7 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 附录（攻读学位期间论文发表情况） |
（7）基于SOPC便携式心电监护系统的研究与设计（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 心电信号滤波的发展现状 |
| 1.4 心电信号检测的发展现状 |
| 1.5 本文研究的主要内容 |
| 第二章 心电监护系统的硬件设计 |
| 2.1 系统的总体设计 |
| 2.2 心电信号采集 |
| 2.3 心电监护系统外围设备设硬件计 |
| 2.3.1 SD 卡的硬件设计 |
| 2.3.2 USB 接口硬件设计 |
| 2.3.3 微型打印机硬件设计 |
| 2.3.4 TFT 液晶屏硬件设计 |
| 2.3.5 配置芯片EPCS16 |
| 2.3.6 FLASH |
| 2.3.7 RAM |
| 第三章 基于Nios II 的uClinux 移植 |
| 3.1 SOPC 概述 |
| 3.2 SOPC Builder 简介 |
| 3.3 NiosII 嵌入式软核概述 |
| 3.4 uClinux 简介 |
| 3.5 uClinux 系统特点 |
| 3.6 总体设计 |
| 3.6.1 BootLoader 引导程序 |
| 3.6.2 系统移植流程 |
| 3.6.3 SOPC 硬件系统 |
| 3.6.4 uClinux 系统移植 |
| 第四章 心电信号滤波 |
| 4.1 心电信号的低通滤波器设计及FPGA 实现 |
| 4.1.1 切比雪夫算法 |
| 4.1.2 等波纹切比雪夫滤波器的实现 |
| 4.2 心电信号的自适应滤波器设计及FPGA 实现 |
| 4.2.1 最小均方算法的结构与运算概述 |
| 4.2.2 自适应滤波器的FPGA 实现 |
| 第五章 心电信号的检测与诊断 |
| 5.1 心电信号概述 |
| 5.2 心电信号检测方法介绍 |
| 5.2.1 QRS 波群的特征提取方法 |
| 5.2.2 P、T 波信息提取 |
| 5.3 差分阈值算法 |
| 5.4 心电信号的诊断 |
| 第六章 心电监护系统的软件设计 |
| 6.1 采集控制AD7920 |
| 6.2 SD 卡的实现 |
| 6.2.1 FAT16 文件系统 |
| 6.2.2 SD 卡的软件实现 |
| 6.3 USB 接口实现 |
| 6.4 打印机实现 |
| 6.5 TFT 液晶屏实现 |
| 6.6 软硬件联合调试 |
| 第七章 结论与展望 |
| 7.1 全文总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（8）冠心病虚实证候自主神经功能状态的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 英文缩略词 |
| 第一部分 文献研究 |
| 一 HRV与自主神经功能 |
| 参考文献 |
| 二 冠心病的中医证候学研究 |
| 参考文献 |
| 第二部分 临床研究 |
| 冠心病虚实证候自主神经功能状态的研究 |
| 一 前言 |
| 二. 研究方法 |
| 1. 对象 |
| 2. 方法 |
| 三.结果 |
| 1. 一般临床资料 |
| 2. 心率变异时域指标 |
| 3. 心率变异频域指标 |
| 4. 心率变异非线性 |
| 四 讨论 |
| 1. 自主神经系统与HRV |
| 2. 自主神经系统的昼夜变化规律 |
| 3. 冠心病虚实证候与自主神经功能状态 |
| 五 总结 |
| 参考文献 |
| 附件:HRV指标与证候相关性研究临床调查表 |
| 致谢 |
（9）基于混沌时间序列的心电信号辅助诊断（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 混沌的定义 |
| 1.2 混沌理论的发展简史 |
| 1.3 混沌的本质和特征 |
| 1.4 混沌理论的应用 |
| 1.5 各章节安排 |
| 第二章 心电信号的基本知识 |
| 2.1 心电信号的产生 |
| 2.2 心电图介绍 |
| 2.3 心电信号的研究意义 |
| 2.4 混沌理论在ECG 分析中的应用 |
| 2.5 MIT-BIH 心电数据库介绍 |
| 第三章 ECG 相空间重构 |
| 3.1 时间序列的相空间重构 |
| 3.2 基于相空间重构的参数确定 |
| 3.2.1 嵌入维数m 的确定 |
| 3.2.2 延迟时间τ的确定 |
| 3.3 ECG 的相空间重构 |
| 3.4 小结 |
| 第四章 混沌在ECG 分析中的应用 |
| 4.1 仿真工具 |
| 4.2 功率谱分析法 |
| 4.2.1 时间序列的功率谱分析法 |
| 4.2.2 ECG 的功率谱分析 |
| 4.3 关联维数 |
| 4.3.1 关联维数的计算 |
| 4.3.2 ECG 的关联维数 |
| 4.4 Lyapunov 指数 |
| 4.4.1 最大Lyapunov 指数的计算 |
| 4.4.2 ECG 的Lyapunov 指数的计算 |
| 总结 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（10）计算智能新技术及其生物医学信号分析应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 概述 |
| 1.1 引言 |
| 1.1.1 人工神经网络简介 |
| 1.1.2 神经计算研究和智能系统在医学诊断应用中的一些问题 |
| 1.2 本文的工作 |
| 参考文献 |
| 第二章 前馈神经网络用于医学诊断 |
| 2.1 概述 |
| 2.2 径向基函数网络对膝关节摆动信号的分类研究 |
| 2.2.1 膝关节摆动信号简介 |
| 2.2.2 膝关节摆动信号的分类和诊断 |
| 2.2.3 基于全局特征的膝关节摆动信号分类 |
| 2.2.4 基于分段特征的膝关节摆动信号分类 |
| 2.2.5 膝关节摆动信号分类小结 |
| 2.3 多层感知器最优结构的设计 |
| 2.4 本章小结 |
| 参考文献 |
| 第三章 神经网络的线性融合 |
| 3.1 神经网络集成简介及国际研究现状 |
| 3.2 神经网络线性融合算法 |
| 3.2.1 简单平均(Simple Average) |
| 3.2.2 感知器平均(Perceptron Average) |
| 3.2.3 最小均方(Least-Mean-Square)融合 |
| 3.2.4 归一化加权平均(Normalized Weighted Average) |
| 3.2.5 自适应线性组合(Adaptive Linear Combination) |
| 3.3 实验测试及结果分析 |
| 3.3.1 乳腺癌诊断实验 |
| 3.3.2 蛋白质亚细胞定位预测实验 |
| 3.3.3 乳房组织分类实验 |
| 3.3.4 函数逼近实验 |
| 3.4 本章小结 |
| 参考文献 |
| 第四章 自适应ECG信号滤波和噪声消除系统 |
| 4.1 ECG信号简介 |
| 4.1.1 心电图构成 |
| 4.1.2 ECG信号滤波的意义及国际研究现状 |
| 4.2 自适应ECG信号滤波系统 |
| 4.2.1 系统描述 |
| 4.2.2 实验测试 |
| 4.2.3 实验结果及分析 |
| 4.3 自适应ECG噪声消除系统 |
| 4.3.1 系统描述 |
| 4.3.2 实验测试 |
| 4.3.3 实验结果及分析 |
| 4.4 进一步的讨论 |
| 4.4.1 模板选择选择 |
| 4.4.2 自适应滤波器的参考输入 |
| 4.5 本章工作总结和展望 |
| 参考文献 |
| 第五章 结束语 |
| 参考文献 |
| 致谢 |
| 附录1 攻读博士学位期间发表(录用)论文情况 |
| 附录2 攻读博士学位期间获奖及学术活动情况 |
四、成人标准12导联心电图QT间期的多维空间标度分析（论文参考文献）
- [1]基于深度学习的心电信号心肌梗死智能检测与定位研究[D]. 薛彦平. 河北大学, 2020(08)
- [2]基于心电特征分析的室颤预测研究[D]. 王之. 中国人民解放军陆军军医大学, 2020(01)
- [3]低温低压环境对人体生理信号的影响[D]. 朱宏亮. 天津工业大学, 2019(07)
- [4]体外快速药物测定传感器研制及在治疗药物监测中的应用[D]. 彭安林. 武汉大学, 2017(07)
- [5]基于LIBSVM和GPU的心电信号自动检测方法研究[D]. 牛野. 天津大学, 2016(11)
- [6]基于神经网络的ECG身份识别技术[D]. 段水平. 长沙理工大学, 2015(04)
- [7]基于SOPC便携式心电监护系统的研究与设计[D]. 侯思羽. 济南大学, 2011(11)
- [8]冠心病虚实证候自主神经功能状态的研究[D]. 沈红军. 中国中医科学院, 2011(01)
- [9]基于混沌时间序列的心电信号辅助诊断[D]. 许月琳. 苏州大学, 2009(S2)
- [10]计算智能新技术及其生物医学信号分析应用[D]. 吴云峰. 北京邮电大学, 2008(11)