-
公开(公告)号：CN107802260B
公开(公告)日：2021-02-05
申请号：CN201711099654.4
申请日：2017-11-09
Applicant: 湖北工业大学
Abstract: 本发明公开了一种心室复极变异性时空联合分析方法，从临床采集的心电信号中，通过信号预处理阶段去除基线漂移和高频干扰等干扰，得到相对稳定适合分析的数据后，对该数据进行采样分析。首先从选取的心电信号中提取出ST间期序列，对该序列进行1HZ三次样条插值重采样。通过研究JT相关间期和T波面积特征参数，利用特征参数时空提取出新的心室复极变异性(VRV)信号联合信息研究VRV的阳性判据，基于VRV时空特征参数的恶性心脏事件多级危险分层预测问题，提升由急性心肌梗死和心肌缺血等引起的恶性心脏事件预测准确率。本方法将为无创预测恶性心脏事件提供新的途径和研究思路，也为心肌缺血、急性心肌梗死等疾病的预后研究提供重要支撑。
-
公开(公告)号：CN107038730B
公开(公告)日：2020-09-11
申请号：CN201710200185.4
申请日：2017-03-30
Applicant: 湖北工业大学
Abstract: 本发明提供一种基于高斯尺度结构块分组的稀疏表示图像重建方法，包括如下步骤：利用从自然图像中训练出的非局部自相似模型，将非局部相似块混合进用先验模型方法所得的分组里，利用搜索方法提取出最优块分组模型；联合块分组模型与非局部扩展高斯尺度混合模型，利用交替最小化方法进行同步稀疏编码，求解更新图像块；将块分组模型和高斯尺度混合模型联合到编码框架中，利用选择的训练字典来计算联合模型所求得的图像重建更新解，并将此更新解值送回到块分组模型中再次进行步骤一和步骤二流程操作，如此反复迭代，直到最优解生成，则输出重建图像的最优解。该方法所获得的重建图像具有较好的边缘、纹理等细节保持性能和更好的峰值信噪比质量。
-
公开(公告)号：CN109998527A
公开(公告)日：2019-07-12
申请号：CN201910279556.1
申请日：2019-04-09
Applicant: 湖北工业大学
IPC: A61B5/0402 , A61B5/00
Abstract: 本发明提出了一种基于多尺度熵的心脏疾病检测方法。首先将原始心电信号放入带通滤波器滤去部分噪声，再使用信号微分、平方手段放大得到R波特征被放大的信号，用动态阈值调整方法标记R波位置，获得心电信号的RR间期序列；根据心电信号的RR间期序列进行经验模态分解，对信号进行延拓，再通过构建信号的上下包络线来对心电信号进行分解得到IMF分量，得到健康人和心脏疾病患者心电信号的本征函数信号；通过IMF分量计算本征函数信号的多尺度熵，利用支持向量机的分类功能对健康人和心脏疾病患者心电信号的本征函数信号进行分类，区分出正常人和心脏疾病患者的心电信号。本发明可以及时检测出心脏的健康情况，并有助于了解疾病的原理。
-
公开(公告)号：CN108836316B
公开(公告)日：2023-07-04
申请号：CN201810410514.2
申请日：2018-05-02
Applicant: 湖北工业大学
IPC: A61B5/352
Abstract: 本发明提出了一种基于BP神经网络的心电信号R波提取方法。通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；将未标注R波的心电信号通过带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。与现有技术相比，本发明的方法易于实现，准确率高。
-
公开(公告)号：CN109770851A
公开(公告)日：2019-05-21
申请号：CN201910004741.X
申请日：2019-01-03
Applicant: 湖北工业大学
IPC: A61B5/00 , A61B5/0402 , G06K9/00 , G16H50/30 , G16H80/00
Abstract: 本发明公开了一种基于蓝牙无线通信的心脏健康状态监测系统及方法。本发明系统包括心电信号采集模块、蓝牙信号处理模块、电源管理模块、空间姿态采集模块、移动终端。本发明方法对心电数据与空间姿态数据采集和滤波、计算相关系数和判断心脏机能健康水平数据，将滤波之后心电数据、空间姿态数据以及心脏机能健康水平数据信息通过蓝牙无线传输至移动终端后显示。本发明能够在用户不同运动状态下采集心电数据和空间姿态数据，从而获取多维度状态下的心电数据。本发明系统硬件结构简便，集成度高，方便携带且功耗低。软件方面提高了采集的数据的准确性和精度，结合不同滤波算法对数据处理，减少误判率，能够反映用户心脏机能健康水平数据信息。
-
Patent Agency Ranking
公开(公告)号：CN108836316A
公开(公告)日：2018-11-20
申请号：CN201810410514.2
申请日：2018-05-02
Applicant: 湖北工业大学
IPC: A61B5/0456
Abstract: 本发明提出了一种基于BP神经网络的心电信号R波提取方法。通过国际权威数据库选用已经标注R波的心电信号，对已经标注R波的心电信号进行带通滤波以及信号加窗的预处理，计算每个窗内预处理后已经标注R波的心电信号的采样方差以及每个窗内已经标注R波的心电信号的采样最大值；构建BP神经网络模型的输入层、隐藏层以及输出层，已经标注R波的心电信号作为BP神经网络模型的训练集，通过多次迭代训练得到训练后BP神经网络模型；将未标注R波的心电信号通过带通滤波以及信号加窗的预处理，并根据训练后BP神经网络模型进行检测以提取未标注R波的心电信号中R波。与现有技术相比，本发明的方法易于实现，准确率高。
-
公开(公告)号：CN107155112A
公开(公告)日：2017-09-12
申请号：CN201710375057.3
申请日：2017-05-24
Applicant: 湖北工业大学
IPC: H04N19/573 , H04N19/58 , H04N19/59
CPC classification number: H04N19/573 , H04N19/58 , H04N19/59
Abstract: 本发明公开了一种多假设预测的压缩感知视频处理方法，所述处理方法的结构框架包括编码端和解码端；在所述编码端，视频中的帧分成关键帧和非关键帧，根据压缩感知理论，关键帧和非关键帧均通过测量矩阵Φ获得测量值；在所述解码端，所述关键帧进行BCS‑SPL重构，然后分别进行多预测假设和残差重构；所述非关键帧进行残差重构，并根据关键帧产生的边信息进行解码。本发明中提出的一种基于MH预测的新的分布式压缩视频感测框架，可以在低复杂度编码器处捕获和压缩视频，并且在解码器处有效地重建视频，改MH‑BCS‑SPL框架能够提供更好的图像重建质量。
-
公开(公告)号：CN109770851B
公开(公告)日：2022-03-04
申请号：CN201910004741.X
申请日：2019-01-03
Applicant: 湖北工业大学
Abstract: 本发明公开了一种基于蓝牙无线通信的心脏健康状态监测系统及方法。本发明系统包括心电信号采集模块、蓝牙信号处理模块、电源管理模块、空间姿态采集模块、移动终端。本发明方法对心电数据与空间姿态数据采集和滤波、计算相关系数和判断心脏机能健康水平数据，将滤波之后心电数据、空间姿态数据以及心脏机能健康水平数据信息通过蓝牙无线传输至移动终端后显示。本发明能够在用户不同运动状态下采集心电数据和空间姿态数据，从而获取多维度状态下的心电数据。本发明系统硬件结构简便，集成度高，方便携带且功耗低。软件方面提高了采集的数据的准确性和精度，结合不同滤波算法对数据处理，减少误判率，能够反映用户心脏机能健康水平数据信息。
-
公开(公告)号：CN108937919A
公开(公告)日：2018-12-07
申请号：CN201810562846.2
申请日：2018-06-04
Applicant: 湖北工业大学
IPC: A61B5/0452
CPC classification number: A61B5/0452 , A61B5/7203 , A61B5/7225
Abstract: 本发明提出了一种消除心电信号基线漂移的方法。本发明将含有基线漂移噪声的原始心电信号与去QRS波心电信号的结构元素进行级联运算，得到第一次形态学滤波后心电信号；将第一次形态学滤波后心电信号与去T波心电信号的结构元素进行级联运算，得到第二次形态学滤波后心电信号；将第二次形态学滤波后心电信号B(t)即基线漂移噪声进行小波分解重构，以获得光滑的基线漂移噪声；通过含有基线漂移噪声的原始心电信号与光滑的基线漂移噪声计算得到消除基线漂移噪声的心电信号。本发明优点在于解决了心电信号失真的问题，提高了信号质量。
-
公开(公告)号：CN107802260A
公开(公告)日：2018-03-16
申请号：CN201711099654.4
申请日：2017-11-09
Applicant: 湖北工业大学
IPC: A61B5/0402 , A61B5/0452
CPC classification number: A61B5/0402 , A61B5/04012 , A61B5/0452 , A61B5/7235 , A61B5/7275
Abstract: 本发明公开了一种心室复极变异性时空联合分析方法，从临床采集的心电信号中，通过信号预处理阶段去除基线漂移和高频干扰等干扰，得到相对稳定适合分析的数据后，对该数据进行采样分析。首先从选取的心电信号中提取出ST间期序列，对该序列进行1HZ三次样条插值重采样。通过研究JT相关间期和T波面积特征参数，利用特征参数时空提取出新的心室复极变异性(VRV)信号联合信息研究VRV的阳性判据，基于VRV时空特征参数的恶性心脏事件多级危险分层预测问题，提升由急性心肌梗死和心肌缺血等引起的恶性心脏事件预测准确率。本方法将为无创预测恶性心脏事件提供新的途径和研究思路，也为心肌缺血、急性心肌梗死等疾病的预后研究提供重要支撑。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
