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:目的从24h心率变异性(HRV)的不同频段内提取关联维数(CD)进行分析,探讨该非线性指标包含的信息主要集中在哪个频段,进而对冠心病病人和健康人的数据进行研究。方法30例冠心病病人,其中男性16例,女性14例;年龄35-60岁,平均年龄51.3岁。24hHRV数据来自中国中医研究院望京医院。30例健康人,其中男性13例,女性17例;年龄33-62岁,平均年龄53.5岁。24hHRV数据来自MIT-BIH数据库。首先将24hHRV按照时间分成4段,从每段数据中提取CD;然后利用小波变换的分解和重构技术把24hHRV数据分成不同的频段,在不同频段内采用类似的方法分别提取4段时间数据的CD,将所得结果进行比较。结果在极低频段中提取的CD与小波分解前即全频段提取的CD具有较高的相似性;将冠心病病人与健康人在极低频段提取的CD进行比较,发现在下午时段,健康人CD的平均值大于冠心病病人。结论24hHRV的CD所反映的非线性信息主要包含在极低频段中;与冠心病病人相比,健康人在下午时段心血管系统的活动可能更复杂,对外界刺激的适应能力更强一些。该结论尚需进一步的研究结果加以支持。
简介:当前肌肉疲劳表面肌电信号(surfaceelectromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题。提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究。实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75%,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33%。由此得出,所提方法优于当前特征提取方法。
简介:本研究利用吲哚菁绿(indocyaninegreen,ICG)对胂瘤进行标记,通过改进的拉普拉斯金字塔算法对非顶层图像的肿瘤细节进行增强,同时去除顶层图像的非肿瘤信息,从而达到强化与区分肿瘤信息的目的;利用图形处理单元(graphicsprocessingunit,GPU)技术将融合算法进行并行化处理,可以有效提高本研究算法的运算速度,实时显示多光谱融合图像。相对于传统成像方式,本研究提供的成像方法可以实时获取更为全面的胂瘤信息,提高了胂瘤检测的准确性,从而帮助外科医生更好地实施胂瘤切除手术。关键词:图像融合;并行计算;多光谱;拉普拉斯金字塔;多尺度变换