简介:目的采用基于Lopez-Mancini-CalbetDivergence(LMCD)的统计复杂度分析方法,对充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号进行统计复杂度分析。方法采用Bandt-Pompe算法对符号序列进行模式概率统计,分析了充血性心力衰竭信号、心脏性猝死信号与正常窦性心律信号的统计复杂度。结果3种心律信号的统计复杂度存在差异,正常窦性心率信号的统计复杂度最高,充血性心力衰竭信号次之,心脏性猝死信号最低。方差分析表明,基于LMCD的分析方法得出的3种心电信号的统计复杂度差异具有统计学意义。结论采用LMCD的统计复杂度方法可以有效地区分3种不同生理病理状态下心电信号,为辅助临床诊断提供了一种新手段。
简介:测定587例缺血性心脏病患者心音图上的第四心音(S_4),发现S_4的检出率为77.17%。心肌梗塞、心绞痛和缺血性心肌病患者中S_4/S_1比值≥25%,音频≥100Hz者居多。以有无S_4分组观察,两组左室收缩功能无显著差异(P>0.05)。而左室舒张功能指标有非常显著的差异。S_4(+)组左室快充期充盈分数(RFF),二尖瓣舒张早期关闭斜率(AVEF)分别下降8.65%和9.01%;左室慢充期充盈分数(SFF,AFF)、二尖好血流A峰及A/E比值相应升高,(P<0.05~0.001)。表明:异常S_4与左室舒张末期容量负荷过重及左房向左室排血发生障碍有密切相关性。
简介:针对超声组织谐波成像中基谐波分离的问题,提出一种基于二阶volterra滤波器的超声组织谐波的提取方法。在谐波提取过程中,利用RLS算法估计SVF的系数,然后利用估计的二次成分成像。与传统谐波分离方法—带通滤波相比,该方法能更好地提取谐波。结果表明,这种方法能有效提取谐波,所提取的信号的动态范围更大,图像梯度幅度累加和更高,性能优于传统的谐波提取方法。
简介:针对传统医护监测设备的缺陷,提出了一种基于物联网的智能医护监测系统,从物联网的三层架构出发,设计了系统的四层架构,旨在实现患者家属和医护人员通过web方式异地访问患者生理参数的目的。方法:采用ZigBee簇树型无线网络进行多点数据传输的方法、基于可编程片上系统PSoC的底层控制、采用B/S架构的应用层数据访问。该系统监测患者生理参数准确度不大于±0.01,显示数据具有动态实时性;并能实现患者异常参数智能预警提示。突出设备的小型化,将其内嵌于病号服中。设计的基于物联网技术的智能监测系统,能动态实时远程监测患者信息,明显减轻了医护工作的人力、物力、财力,为远程医疗系统奠定了基础。