期刊文献+
共找到11篇文章
< 1 >
每页显示 20 50 100
基于卷积注意力的单导联心电图房颤检测方法
1
作者 丘荣建 王剑卓 《自动化与信息工程》 2024年第4期18-23,共6页
随着可穿戴心电设备的普及,从单导联心电图中自动检测房颤的方法越来越重要。针对可穿戴心电设备采集的单导联心电图中存在噪声干扰的问题,提出一种基于卷积注意力的残差神经网络模型Resnet34-CAB。通过融合卷积注意力块(CAB),在模型复... 随着可穿戴心电设备的普及,从单导联心电图中自动检测房颤的方法越来越重要。针对可穿戴心电设备采集的单导联心电图中存在噪声干扰的问题,提出一种基于卷积注意力的残差神经网络模型Resnet34-CAB。通过融合卷积注意力块(CAB),在模型复杂度少量增加的情况下,选择性地关注心电图的关键特征,自适应地抑制噪声,提高了模型的检测性能。在公开数据集上的实验结果表明,Resnet34-CAB模型优于Resnet34、Resnet34-Transformer模型,验证了融合CAB的有效性。 展开更多
关键词 单导联心电图 卷积注意力块 房颤检测 残差神经网络
下载PDF
采用自注意力抗干扰网络的视频房颤检测 被引量:1
2
作者 陈静 杨学志 +1 位作者 陈鲸 刘雪南 《图学学报》 CSCD 北大核心 2023年第2期313-323,共11页
房颤的早期发现与诊断是降低房颤以及并发症风险的关键。视频光电体积描记术(VPPG)技术为房颤筛查提供了新途径,但易受到现实场景中运动干扰。现有VPPG房颤检测方法存在运动干扰时会造成脉冲信号失真,从而发生误判。为解决以上问题,提... 房颤的早期发现与诊断是降低房颤以及并发症风险的关键。视频光电体积描记术(VPPG)技术为房颤筛查提供了新途径,但易受到现实场景中运动干扰。现有VPPG房颤检测方法存在运动干扰时会造成脉冲信号失真,从而发生误判。为解决以上问题,提出一种抗干扰视频房颤检测模型。该模型使用注意力编码器网络,从包含运动干扰的脉冲信号中提取鲁棒的脉冲潜在特征,径向基分类网络根据潜在特征实现房颤检测。注意力编码器将复杂脉冲信号映射到高维子空间,重点关注有效信息,提取稳健潜在特征。径向基分类网络在房颤标签监督下提高房颤识别能力,输出可靠结果。在200名测试者参与的自建数据集上进行实验,结果表明该模型在各类场景中均表现优异。在静态场景中,检测精度较最优对比算法提高了8.1%,敏感性提高了7.5%。在动态场景中,对比算法准确度均大幅下降,所提模型精度相比提升了16.5%,特异性提升了18.3%。模型具有良好的抗运动干扰能力,可有效地消除运动干扰影响,提高现实场景中视频房颤检测精度。 展开更多
关键词 视频光电体积描记术 房颤检测 抗运动干扰 注意力编码器 潜在特征
下载PDF
视频脉搏特征的非接触房颤检测 被引量:2
3
作者 张姁 杨学志 +1 位作者 刘雪南 方帅 《计算机工程与应用》 CSCD 北大核心 2023年第8期331-340,共10页
房颤的早发现对心脑血管疾病的预防至关重要。提出一种面部视频房颤检测方法。该方法通过人脸跟踪和集成经验模态分解从面部视频中提取脉搏信号,根据房颤发作时的脉搏特性,从视频脉搏信号中提取房颤判别特征。设计一种改进的递归特征消... 房颤的早发现对心脑血管疾病的预防至关重要。提出一种面部视频房颤检测方法。该方法通过人脸跟踪和集成经验模态分解从面部视频中提取脉搏信号,根据房颤发作时的脉搏特性,从视频脉搏信号中提取房颤判别特征。设计一种改进的递归特征消除特征选择方法,筛选出对房颤检测较重要的特征,基于以上特征采用机器学习方法实现房颤检测。在采集的122例房颤病人和139例正常窦性心律面部视频上实验,最优特征为相邻RR间期大于50 ms的心搏百分比(PNN50)、RR间期的最大值(maxRR)、庞加莱图水平半径(SD2)等。基于以上最优特征集,房颤检测的准确率为92.31%,特异度是90.24%,灵敏度是94.59%,AUC是0.920 5。 展开更多
关键词 机器学习 房颤检测 面部视频 特征选择
下载PDF
基于多模感知数据的驾驶员房颤检测方法及系统研究
4
作者 覃忠浩 周少锐 +4 位作者 陈健 黄欣龙 彭显为 何文秀 王伟 《传感技术学报》 CAS CSCD 北大核心 2023年第11期1827-1834,共8页
设计了一种针对驾驶环境的房颤自动检测方向盘。该方案利用安装在方向盘上的传感器对驾驶员的心率数据进行采集,将数据上传至云平台后,云平台利用基于深度互学习和判别滤波群算法的神经网络对心率信号进行分类识别,并将识别结果反馈至... 设计了一种针对驾驶环境的房颤自动检测方向盘。该方案利用安装在方向盘上的传感器对驾驶员的心率数据进行采集,将数据上传至云平台后,云平台利用基于深度互学习和判别滤波群算法的神经网络对心率信号进行分类识别,并将识别结果反馈至车辆终端,如果检测到司机有房颤现象,车辆终端则会及时发出警报,协同制动或者提供医疗介入。所提算法在真实数据集上表现优异,能够精确分别出正常心率和房颤。通过在模拟驾驶环境中的实验,所设计的方案可以在不对驾驶员操作造成任何影响的情况下,低延时、高准确性地对驾驶员心率状态进行判断。 展开更多
关键词 交通安全 智能方向盘 房颤检测 神经网络
下载PDF
基于嵌入式系统的实时房颤检测算法研究
5
作者 魏良 胡焱铭 +5 位作者 鄢苏鹏 平钦文 李韵池 左锋 李永勤 龚渝顺 《医疗卫生装备》 CAS 2023年第7期19-26,共8页
目的:设计一种基于嵌入式系统的实时房颤检测算法,辅助房颤的快速诊断和鉴别。方法:首先通过对心电信号进行分析,提取心率变异性指标以及P波平衡性、叠加平均比例2项形态学指标,构建基于支持向量机的房颤检测数学模型,完成上位机算法设... 目的:设计一种基于嵌入式系统的实时房颤检测算法,辅助房颤的快速诊断和鉴别。方法:首先通过对心电信号进行分析,提取心率变异性指标以及P波平衡性、叠加平均比例2项形态学指标,构建基于支持向量机的房颤检测数学模型,完成上位机算法设计。然后设计主要包括心电采集模块、微控制单元、液晶显示屏和存储器的嵌入式房颤检测设备。再于某院搜集包含11种不同心电节律的3 746例患者的12导心电图数据,并从每名患者的心电数据中提取一段Ⅱ导心电信号建立上位机验证数据集及嵌入式系统测试数据集。在完成上位机算法训练及验证之后,将其移植到嵌入式房颤检测设备中。最后对上位机算法及嵌入式房颤检测设备的房颤检测性能进行评估。结果:上位机算法检测房颤的准确率为93.40%,敏感度为97.85%,特异度为88.83%;嵌入式房颤检测设备的房颤检测准确率为91.37%,敏感度为96.48%,特异度为87.04%。结论:设计的房颤检测算法能够有效区分房颤与多种不同类型的非房颤心电节律,可为基于穿戴式设备的房颤实时监测提供技术支撑。 展开更多
关键词 嵌入式系统 房颤检测 形态学指标
下载PDF
基于LabVIEW的便携式房颤检测系统的研制 被引量:1
6
作者 陆宏伟 周祥宇 +2 位作者 翁善来 刘玫 练宓 《中国医学物理学杂志》 CSCD 2011年第4期2792-2795,共4页
目的:基于LabVIEW构建了便携式房颤检测系统。方法:系统采用上、下位机结构,上位机为笔记本电脑,下位机为心电采集模块,上下位机由USB口连接。提出概率密度函数法,研究R-R间期相空间重构后两点间距离的概率密度函数曲线形状并提取特征参... 目的:基于LabVIEW构建了便携式房颤检测系统。方法:系统采用上、下位机结构,上位机为笔记本电脑,下位机为心电采集模块,上下位机由USB口连接。提出概率密度函数法,研究R-R间期相空间重构后两点间距离的概率密度函数曲线形状并提取特征参数kn,可精确检测房颤。上位机软件采用LabVIEW编程,分为心电信号提取模块、R-R间期提取模块及概率密度函数法检测房颤模块。三个模块中设置了二个缓存,通过缓存模式保证三个模块并行运行,提高了系统的实时性。结果:实验表明该系统可快速准确检测房颤,只需60个R-R间期(不到1分钟的心电数据),检测房颤精度大于95%。结论:系统可用于房颤的快速、精确检测及房颤治疗后疗效的评估。 展开更多
关键词 R-R间期 概率密度函数 相空间重构 房颤检测
下载PDF
基于单心拍心房活动特征与卷积神经网络的房颤检测 被引量:5
7
作者 刘明 韩小岑 《激光杂志》 北大核心 2015年第12期145-149,共5页
卷积神经网络已成为当前图像识别和语音分析领域的研究热点,并在图像分类等二维信号的问题处理中取得了良好效果。本文成功地将卷积神经网络用于解决一维心电信号的有关问题中。RR间期绝对不规则和P波消失,代之以连续不等的f波是发生房... 卷积神经网络已成为当前图像识别和语音分析领域的研究热点,并在图像分类等二维信号的问题处理中取得了良好效果。本文成功地将卷积神经网络用于解决一维心电信号的有关问题中。RR间期绝对不规则和P波消失,代之以连续不等的f波是发生房颤时的两个重要心电图表现。而RR间期不规则亦能体现在其他心律失常之中,同时P波或f波属微弱信号其特征点检测较为困难且形状特征难以把握。因此本文提出了一种基于单心拍心房活动特征与卷积神经网络房颤检测方法。首先把所有心电信号归一化处理为长度相等的单心拍,然后对所有心拍进行白化、求解每类心拍的稀疏系数、对所求稀疏系数进行池化处理,最后使用卷积神经网络进行心电信号分类达到房颤检测的目的实验结果表明该方法检测结果的正确率为95.91%,为检测房颤提供了很好的选择。 展开更多
关键词 卷积神经网络 RR间期 P波 活动特征 房颤检测
原文传递
基于相空间重构的心冲击信号房颤检测方法 被引量:2
8
作者 蒋芳芳 王浩乾 +1 位作者 程天庆 洪楚航 《东北大学学报(自然科学版)》 EI CAS CSCD 北大核心 2021年第11期1547-1553,1568,共8页
针对房颤事件中的节律异常特性,提出应用相空间重构算法提取心冲击(ballistocardiogram,BCG)信号的二维节律特征,并对重构过程中的最优嵌入维数和时间延迟参数进行了讨论.首先,将心脏搏动视为非线性动力学系统,应用相空间重构理论将一... 针对房颤事件中的节律异常特性,提出应用相空间重构算法提取心冲击(ballistocardiogram,BCG)信号的二维节律特征,并对重构过程中的最优嵌入维数和时间延迟参数进行了讨论.首先,将心脏搏动视为非线性动力学系统,应用相空间重构理论将一维时间序列映射到高维相空间中,从而获取BCG信号中表征房颤过程节律异常的相空间轨迹特征.其次,探讨了重构过程中适于房颤诊断的最优嵌入维数和时间延迟参数,并结合卷积神经网络实现了对房颤的智能诊断.最终,通过对59名受试者提取到的2000组BCG数据进行十折交叉验证,所提方法的分类准确率达到91.00%,与基于经典时频特征的机器学习方法相比较,有较为明显的提高,从而验证了所提方法的优越性. 展开更多
关键词 心冲击信号 心电信号 房颤检测 相空间重构 卷积神经网络
下载PDF
基于CiteSpace的房颤检测算法研究现状与趋势分析 被引量:1
9
作者 王锐 李灿 +4 位作者 李红岩 郎许峰 周作建 黄敏 程俊 《软件导刊》 2022年第8期242-246,共5页
房颤是严重的心房电活动紊乱,可导致心脏衰竭、脑卒中等并发症。随着人工智能领域的发展,深度学习算法在房颤早期检测中的应用越来越广泛。运用CiteSpace软件检索2001-2022年中国知网收录的174篇相关文献,从文献发表年份、作者、发表机... 房颤是严重的心房电活动紊乱,可导致心脏衰竭、脑卒中等并发症。随着人工智能领域的发展,深度学习算法在房颤早期检测中的应用越来越广泛。运用CiteSpace软件检索2001-2022年中国知网收录的174篇相关文献,从文献发表年份、作者、发表机构、关键词4个方面进行文献计量与可视化分析,以呈现该领域的研究趋势。结果表明,相关文献发文量总体呈上升趋势,但总量仍较低;作者、机构之间合作度偏低,分布较为稀散;研究主要围绕超限学习机、R波定位、希式束、模式识别、QRS波检测、心室纤颤、P波、盲源提取、独立成分分析、机器学习、预处理、混沌、信息熵、波动图、统计性能等展开。使用深度学习算法进行房颤检测已经成为一种趋势,但目前国内对于该领域的研究还有很大提升空间,如研究需要多样化、算法融合度需提高、研究团队和机构之间需进一步加强交流与合作等。 展开更多
关键词 房颤检测 CiteSpace软件 深度学习
下载PDF
基于多分支多尺度卷积网络的心房颤动检测模型
10
作者 赵思宇 刘明 +3 位作者 刘名起 杨晓茹 熊鹏 张杰烁 《生物医学工程学杂志》 EI CAS 北大核心 2024年第4期700-707,共8页
心房颤动(房颤)是危及生命的心脏病之一,其早期检测和治疗近年来备受医生关注。传统的房颤检测方式主要依靠医生对心电图的诊断,但长时间的心电信号分析非常耗时。本文设计出一种基于Inception模块的房颤检测模型,构建多分支检测通道来... 心房颤动(房颤)是危及生命的心脏病之一,其早期检测和治疗近年来备受医生关注。传统的房颤检测方式主要依靠医生对心电图的诊断,但长时间的心电信号分析非常耗时。本文设计出一种基于Inception模块的房颤检测模型,构建多分支检测通道来处理房颤时的心电图原始信号、梯度信号和频率信号。该模型利用梯度信号高效地提取QRS波段和RR间期特征,利用频率信号提取P波与f波特征,并使用原始信号补充丢失信息。Inception模块中多尺度卷积核提供多种感受视野,并对多分支结果进行综合分析,从而实现房颤的早期检测。相较于目前的机器学习算法仅利用RR间期和心率变异性等特征,本文提出的算法额外使用频率特征,充分利用信号中的信息;对于使用原始信号和频率信息的深度学习方法,本文提出强化QRS波段的方法,使网络更有效地提取特征,并通过多分支输入模式综合考虑房颤RR间期不规律和P波与f波特征信息。在麻省理工房颤数据集上的检测结果显示,患者间检测的准确率为96.89%,灵敏度为97.72%,特异性为95.88%。该模型表现出色,能够实现房颤的自动检测。 展开更多
关键词 房颤检测 多分支网络 多尺度卷积 混合损失函数
原文传递
基于时域特征的房颤识别方法 被引量:3
11
作者 孟丹阳 戴敏 《天津理工大学学报》 2019年第4期29-33,共5页
针对便携式心电采集设备采集的手部心电信号质量较差、阵发性房颤识别困难问题,提出一种房颤自动识别方法,利用信息熵和连续小波变换(CWT,continuous wavelet transform)筛选奇异波形,准确识别心电信号中的R波,并利用R波信息提取心电信... 针对便携式心电采集设备采集的手部心电信号质量较差、阵发性房颤识别困难问题,提出一种房颤自动识别方法,利用信息熵和连续小波变换(CWT,continuous wavelet transform)筛选奇异波形,准确识别心电信号中的R波,并利用R波信息提取心电信号的时域特征,利用BP神经网络构建阵发性房颤识别模型.在PCinCC2017和AFDB数据集上的实验表明,本文方法的房颤识别的灵敏度和特异性分别高于96%和98%,对失常10秒左右的短时阵发房颤的识别灵敏度和特异性均高于94%,可以应用于家庭便携式房颤监测. 展开更多
关键词 信息熵 奇异波形 时域特征 房颤检测
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部