基于建模和时频表示方法的穿戴式心电信号处理理论与技术研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61571113
  • 项目类别：
    面上项目
  • 资助金额：
    65.0万
  • 负责人：
    李建清
  • 依托单位：
    东南大学
  • 学科分类：
    F0125.医学信息检测与处理
  • 结题年份：
    2019
  • 批准年份：
    2015
  • 项目状态：
    已结题
  • 起止时间：
    2016-01-01 至2019-12-31

项目摘要

Wearable mobile medicine is in the ascendant level. As a research hotspot, wearable ECG monitoring will change the existing mythology of heart disease treatment. However, the wearable ECG signal with strong noise cannot clearly reflect the heart state, which bring great difficulties for diagnosing. Therefore, the theory and methods for ECG signal processing has become a very important topic in wearable ECG monitoring research. This project will focused on the following points: First, Study the factors of signal quality in the wearable ECG signal link, the optimal ergonomic wearable number of leads, electrode placement and clinically applicable disease. Establish wearable ECG signal model based on engineering and clinical analysis methods. Second, study a new method for signal time-frequency representation called adaptive frequency slice model; the detail of wearable ECG signal pre-processing also will be investigated. Finally, the method of abnormal heart event detection will be explored. The project aims to propose a precise wearable ECG signal model and a series signal processing method based on time-frequency representation. It will provide theoretical and technical supports for wearable ECG monitoring application in home and hospital.
穿戴式移动医疗的研究方兴未艾。穿戴式心电监护作为研究热点将改变现有心脏病监护与诊疗模式，但穿戴条件下监测到的心电信号不能清晰反映心脏活动状态，给医生诊断带来很大困难。心电信号处理理论与技术研究成为穿戴式心电监护与诊疗的核心问题。本项目重点研究内容：首先，研究心电信号链路中各因素对心电信号的影响规律，确定符合人体工程学的最优穿戴式导联数、电极放置位置以及临床适用症，采用工程和临床结合分析方法建立穿戴式心电信号模型；其次，将信号在时频域展开，研究自适应频率切片模型用于信号时频表示，在时频域上研究基于熵的信号质量评估理论和先验时频模板滤波理论；最后，研究时频谱特征稀疏表示对异常心电事件进行检测。通过本项目的研究，提出完整的穿戴式心电信号模型和基于时频表示方法的信号处理方法，为家庭和医院对心血管病人的监护与诊疗提供有力的支撑。

结项摘要

全球心血管疾病广泛肆虐，已成为危及人类生命健康的“头号杀手”。穿戴式心电监护系统是解决心血管疾病早期筛查以及实时监护的有效技术手段，可以显著降低心血管病的病死/病残率，减少社会经济损失。然而，穿戴式心电监护系统要真正实现应用，在穿戴式心电信号建模、生理信号时频表示以及异常心电事件检测等方面依然存在挑战。项目针对性的研究了：(1)心电干性电极测试及导联优化研究，(2)生理信号时频表示方法研究，(3)时频谱特征稀疏表示和机器学习的异常心电事件检测。取得进展包括了：研究了干性电极特性对皮肤-电极阻抗的影响，确定了干性电极的设计方案；基于心脏建模分析了导联选择和优化配置方案，确定了针对不同部位心肌梗死导联配置；提出了基于小波多分辨率分析的信号增强和特征提取方法，并用于R波检测，R波识别准确率达到99%以上，计算时间降低了30%；给出了维度可调的特征提取框架，可根据信号特点和分类要求选取合适的特征维度并用于异常心拍识别，对四类心拍的总体识别率达到70%以上。论文研究成果进一步丰富了心电监护领域信号感知技术和处理方法等方面的研究，从技术层面为心电信号感知、心血管疾病连续监测、疾病早期预防、智能诊断评估等提供技术参考。

项目成果

期刊论文数量（22）
专著数量（0）
科研奖励数量（0）
会议论文数量（6）
专利数量（14）
Signal Quality Assessment and Lightweight QRS Detection for Wearable ECG SmartVest System
可穿戴 ECG SmartVest 系统的信号质量评估和轻型 QRS 检测
  • DOI：
    10.1109/jiot.2018.2844090
  • 发表时间：
    2019-04-01
  • 期刊：
    IEEE INTERNET OF THINGS JOURNAL
  • 影响因子：
    10.6
  • 作者：
    Liu, Chengyu;Zhang, Xiangyu;Li, Jianqing
  • 通讯作者：
    Li, Jianqing
An Open Access Database for Evaluating the Algorithms of Electrocardiogram Rhythm and Morphology Abnormality Detection
用于评估心电图节律和形态异常检测算法的开放访问数据库
  • DOI：
    10.1166/jmihi.2018.2442
  • 发表时间：
    2018-09-01
  • 期刊：
    JOURNAL OF MEDICAL IMAGING AND HEALTH INFORMATICS
  • 影响因子：
    --
  • 作者：
    Liu, Feifei;Liu, Chengyu;Kwee, Eddie Ng Yin
  • 通讯作者：
    Kwee, Eddie Ng Yin
Atrial Fibrillation Beat Identification Using the Combination of Modified Frequency Slice Wavelet Transform and Convolutional Neural Networks.
修正频率切片小波变换与卷积神经网络相结合的心房颤动识别
  • DOI：
    10.1155/2018/2102918
  • 发表时间：
    2018
  • 期刊：
    Journal of healthcare engineering
  • 影响因子：
    --
  • 作者：
    Xu X;Wei S;Ma C;Luo K;Zhang L;Liu C
  • 通讯作者：
    Liu C
Combining Low-dimensional Wavelet Features and Support Vector Machine for Arrhythmia Beat Classification.
结合低维小波特征和支持向量机进行心律失常搏动分类
  • DOI：
    10.1038/s41598-017-06596-z
  • 发表时间：
    2017-07-20
  • 期刊：
    Scientific reports
  • 影响因子：
    4.6
  • 作者：
    Qin Q;Li J;Zhang L;Yue Y;Liu C
  • 通讯作者：
    Liu C
Combining Convolutional Neural Network and Distance Distribution Matrix for Identification of Congestive Heart Failure
结合卷积神经网络和距离分布矩阵识别充血性心力衰竭
  • DOI：
    10.1109/access.2018.2855420
  • 发表时间：
    2018-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Li, Yaowei;Zhang, Yao;He, Zhiqiang
  • 通讯作者：
    He, Zhiqiang

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

虚拟物体的力/触觉模型及再现技术研究进展
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    系统仿真学报
  • 影响因子：
    --
  • 作者：
    宋爱国;张小瑞;刘佳;李建清
  • 通讯作者：
    李建清
利用等效电路模型计算耦合腔行波管注-波互作用
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    Acta Physica Sinica
  • 影响因子：
    1
  • 作者：
    白春江;李建清;胡玉禄;杨中海;李斌
  • 通讯作者：
    李斌
基于时间序列的虚拟接触力的建模
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    东南大学学报，vol.35（2）：239-242，2005.3，EI收录
  • 影响因子：
    --
  • 作者：
    吴涓*;宋爱国;李建清
  • 通讯作者：
    李建清
确定隔板塔中多定态解的一种有效方法
  • DOI：
    10.16866/j.com.app.chem201607008
  • 发表时间：
    2016
  • 期刊：
    计算机与应用化学
  • 影响因子：
    --
  • 作者：
    李建清;王二强
  • 通讯作者：
    王二强
面向设施环境的无线分布式监控系统
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    计算机工程
  • 影响因子：
    --
  • 作者：
    宋光明;丁飞;张西良;宋爱国;李建清
  • 通讯作者：
    李建清

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

李建清的其他基金

应用环境下无线传感器网络故障预测研究
  • 批准号：
    61240032
  • 批准年份：
    2012
  • 资助金额：
    18.0 万元
  • 项目类别：
    专项基金项目
分布式和主动式力／触觉虚拟环境建模理论和方法研究
  • 批准号：
    60375032
  • 批准年份：
    2003
  • 资助金额：
    22.0 万元
  • 项目类别：
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码