首页 > 文献资料
-
医用超声图像散斑去噪方法综述
散斑去噪是后期医用超声图像分割和识别等关键的预处理过程.本文在对国内外散斑去噪文献进行分析和归纳的基础上,综述了用于散斑图像去噪的主要算法,包含空域去噪算法、小波域去噪算法和各向异性扩散去噪算法,并对其性能进行分析和研究.在此基础上提出对医用超声领域散斑图像去噪的一些展望.
-
基于小波变换和经验模式分解的心音信号研究
针对经验模式分解(EMD)中的端点效应问题,本研究提出先用小波去除噪声干扰,再用EMD方法提取心音信号的特征.对于EMD的端点延拓,采用一种新的自适应波形匹配端点延拓方法.通过小波去噪,克服了直接运用EMD分解时无用频率分量带来的干扰,有效地减少EMD的分解层数,自适应波形匹配延拓方法充分考虑了心音信号的内在规律与端点处的变化趋势,较之传统的延拓方法更加合理.用所提出的方法对心音信号进行EMD分解,并用双阈值法对分解后的信号进行第一心音(S1)第二心音(S2)的定位分析,通过对40例心音信号定位分析,S1和S2的检出率分别达到97.05％和97.12％.表明该分析方法能够有效地抑制端点效应,提高EMD分解的准确性和时效性,为后续心音的分析提供准确的参考信息.
-
一种基于模糊均差和小波变换的医学图像去噪方法
小波阈值萎缩法能够有效地去除图像中的噪声,去噪阈值直接影响去噪的效果,而噪声标准差在去噪阈值的确定中起着至关重要的作用.针对医学图像的特点、基于寻找更合适的噪声标准差估计方法,本研究提出了一种新的利用模糊均差代替普通标准方差估计噪声标准差的方法.在各层小波分解的低频图像中利用模糊积分估计噪声标准差,然后确定每一层去噪阈值,进行图像去噪.试验结果表明,本研究算法在去除噪声的同时也较好地保持了图像的细节.
-
一种脉搏波小波降噪算法
目的 采样得到的脉搏波信号信噪比较低,这给后续研究带来了困难,因此消除噪声的干扰是准确进行相关医学测量的关键前提.本文提出一种基于小波变换的脉搏波阈值去噪改进算法.方法 依据了高频系数方差在不同尺度下的分布特征,提出了一种自适应确定分解层数方法;针对恒定偏差与不连续问题,提出在阚值邻域范围内线性收缩至零的闲值函数.结论 实验结果表明该方法可以快速有效地分离脉搏渡信号和噪声,为准确监测脉搏波信号奠定了基础.
-
基于遗传BP神经网络的肺音分类识别算法研究
目的 通过识别正常肺音、哮鸣音、捻发音和爆裂音4类肺音,将肺音和肺部疾病关联起来,预测每类肺音对应的呼吸疾病.方法 将电子听诊器采集的正常和异常肺音经滤波和周期分段预处理,再采用韦尔奇功率谱估计和小波变换得到肺音信号统计特征值.比较神经网络和遗传神经网络两类分类器的性能,选择遗传神经网络识别算法进行肺音的识别.结果 采用韦尔奇功率谱特征值的遗传BP神经网络平均识别率89.0％,优于BP神经网络的平均识别率(83.0％);用小波系数特征值的遗传BP神经网络平均识别率83.1％,优于BP神经网络的平均识别率(81.0％).结论 韦尔奇功率谱的特征提取方法有效,能较准确区分出肺音的类别.
-
基于心电信号循环平稳特征的心脏性猝死识别研究
针对心脏性猝死疾病识别准确率不高的问题,提出了基于心电信号循环平稳特征的识别方法.利用小波变换对心电信号去噪,依据心电信号的循环平稳特性,采用循环谱估计的方法在循环频率域提取循环平稳特征,通过支持向量机对心脏性猝死进行识别.实验结果表明,循环频率均值能反映心电信号的循环平稳特征,利用循环频率均值能够对心脏性猝死疾病进行有效识别,猝死心电信号的识别准确率高可达97.50%.
-
基于DSP的眼电生理检测系统的研究
研究数字信号处理器(DSP)在眼电生理检测系统中的应用,同时阐述了系统的构成及各部分的设计与实现方法.通过模拟仿真和临床实验结果,表明了系统的可行性.
-
基于AFE4403模拟前端新生儿经皮黄疸测量模块设计
便携式医疗监护设备在近年呈现出良好的发展趋势,该文从无创、动态测量、便携医疗器械角度出发,选择生物探测模拟前端AFE4403设计改进,进行新生儿胆红素浓度测量.不同于现有的手持式经皮黄疸仪,本模块光学前端设计采用双光源、单探测器的双波长法原理,通过相应算法计算出胆红素浓度变化趋势.所设计的黄疸检测模块具有低功耗、连续测量、体积小等特点,且实验结果可明确反映新生儿胆红素值变化,并可扩展蓝牙功能,实现实时监控预警,可对胆红素浓度异常的患儿及时发现并采取治疗.
-
基于小波去噪的基因表达数据聚类集成算法的研究
目的:为基因表达数据的聚类提供方法学参考.方法:提出了一种小波去噪与模糊聚类集成算法结合起来进行聚类的新算法对酵母细胞的基因表达数据进行聚类,并同模糊聚类集成算法进行比较分析.结果:采用Micro-precision方法对新算法和模糊聚类集成算法进行评价.结果表明本文提出的算法具有较高的聚类精度,并且聚类精度高于模糊聚类集成算法.结论:利用本文提出的算法对基因表达数据具有较好的聚类效果.
-
基于自适应阈值处理的表面肌电信号小波去噪研究
针对表面肌电(sEMG)信号信噪比较低的问题,本文在Donoho通用阈值法的基础上,采用了一种基于自适应阈值处理的小波去噪方法.相对于通用阈值法,这种方法可以根据sEMG信号的不同信噪比自适应地调整阈值,更有效地去除噪声、减小信号的失真,从而提高信噪比.仿真和真实sEMG信号实验均论证了这种方法的优越性.
-
基于Mel频率倒谱系数的心音识别技术研究
心音是人体心脏搏动产生的具有个体特征的生理参数.实验利用小波变换实现对心音信号的去噪处理,选择Mel频率倒谱系数(MFCC)作为特征参量,并经过主成分分析(PCA)降维处理后用于个体分类识别中.旨在对心音作为生物识别特征参数可行性和识别方法做一个初步研究.实验结果显示,在选定的实验条件下,系统可以达到90％以上的识别率.可以为心音识别技术的进一步研究提供参考.
