心電圖是診斷各種心臟疾病的一個重要手段,而準確識別QRS復合波也是多種自動化心電圖分析方法的一個前提。檢測QRS復合波的傳統(tǒng)方法主要有差分閾值算法、雙閾值檢測算法、經驗模態(tài)分解法、小波變換算法等,這些算法的主要步驟包括對心電信號進行預處理、特征提取和檢測等,對心電信號質量要求比較高,且通用性不是很強。相對于傳統(tǒng)方法檢測QRS復合波,人工智能的發(fā)展特別是深度學習的出現為QRS復合波檢測提供一種新的方法,利用深度學習可自主提取QRS復合波特征信息,從而進行精準定位,相比傳統(tǒng)方法,魯棒性更好,對信號質量不佳的數據檢測效果更好。本研究主要對用于QRS復合波預處理以及檢測的技術進行綜述,并對檢測技術的發(fā)展進行展望。 

【文章來源】：中國醫(yī)學物理學雜志. 2020年09期 第1208-1212頁

【文章頁數】：5 頁

【文章目錄】：
前言
1 心電信號預處理
2 QRS復合波檢測算法
    2.1 傳統(tǒng)算法
    2.2 深度神經網絡算法
3 總結與展望


【參考文獻】：
期刊論文
[1]自適應雙閾值心電信號檢測算法研究[J]. 陳耿鐸,曾有靈,李喆.  暨南大學學報(自然科學與醫(yī)學版). 2018(03)
[2]一種改進的差分閾值心電檢測算法[J]. 趙羿歐,劉揚.  計算機工程. 2011(S1)
[3]經驗模式分解在QRS波群和T波檢測中的應用[J]. 郭興明,湯麗平,陳麗珊,陳毛毛.  電子科技大學學報. 2011(01)
[4]基于Agent的人員疏散系統(tǒng)設計與實現[J]. 陳佳俊,安曉宇,蔡希輝,李忠偉.  計算機工程. 2010(14)
[5]基于獨立分量分析的工頻干擾消除技術[J]. 魏巍,劉學偉.  計算機應用研究. 2009(01)



本文編號：2912214