卢德林
- 作品数：6 被引量：43H指数：4
- 供职机构：重庆大学生物医学工程联合学院更多>>
- 发文基金：国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：医药卫生自动化与计算机技术电气工程电子电信更多>>
- 心脏储备功能指标评估慢性心力衰竭严重程度的研究被引量：10
- 2013年
- 目的探讨心脏储备功能指标对慢性心力衰竭(CHF)的评估价值。方法将136例CHF患者作为心衰组,46例健康者作为对照组。采用彩色多普勒超声心动图检查,计算左心室射血分数(LVEF);进行6min步行试验(6MWT),采用心脏储备无创监测系统检测舒张期时限与收缩期时限比值(D/S),评价LVEF、6MWT及D/S值与心功能状态的相关性。结果心衰组患者的6MWD、D/S值、LVEF明显低于对照组(P<0.05);采用双变量Pearson相关系数法分析显示,D/S值、6WMD与纽约心脏协会(NYHA)心功能分级呈显著负相关(r=-0.659,P<0.01;r=-0.561,P<0.01);LVEF与NYHA心功能分级呈正相关(r=0.203,P<0.05)。结论 D/S值能较好反映CHF患者的心功能状态,可作为评估心功能的一个新型有效指标。
- 吴晓军秦俭郭兴明卢德林肖守中肖子夫
- 关键词：左心室射血分数MIN步行试验
- 基于奇异谱分析的心音信号小波包去噪算法研究被引量：18
- 2013年
- 针对传统心音去噪算法对强噪声下心音信号去噪时,易将部分心音信号视为噪声成分去除,导致有用心音信号能量损失。利用奇异谱分析方法的主成分分析特性,提出多级奇异值分解(Multi-stage Singular Value Decomposition,MS-SVD)算法用于提取心音信号的主分量(Principal Components,PC)信息;采用小波包(Wavelet Packet,WP)分析算法对提取的心音信号进行分解,并对分解所得低频系数进行自适应阈值处理,去除低频噪声;利用小波包多分辨率特性提取高频心音。实验结果表明,该算法能明显改善心音去噪性能指标信噪比(SNR)、信噪比增益(SNRG)及根均方误差(RMSE),且在不同噪声水平下的去噪性能优于传统心音去噪算法。此改进算法既能有效去除心音中噪声成分,亦能保留心音信号细节特征。
- 卢德林郭兴明
- 关键词：心音信号去噪
- 自回归谱模型的运动员心音频谱特征研究被引量：1
- 2013年
- S1/S2指标是表征心肌收缩能力的重要标志,为从频域角度来了解运动对运动员心肌收缩功能的影响,将运动员和普通大学生在运动前后的心音信号纳入到自回归功率谱中加以研究。通过分析运动员组和普通大学生组心音次频段(<20Hz)范围的自回归功率谱曲线,发现在该频段范围两组之间的心音频谱存在显著的差异性,因此,提出了两个新的评估的指标R值和A值。结果显示,运动前后两组之间的特征参数R值和A值存在显著性差异(P<0.05),且两组之间的特征值与指标S1/S2有显著的相关性(P<0.01)。这表明通过频域的角度所提出的两个特征参数可以用于评估运动员心脏功能状态和心肌的收缩能力。
- 郭兴明卢德林汤丽平
- 关键词：心音心肌收缩能力
- 基于奇异谱去噪的心音信号混沌动力学分析
- 心音是人体重要的生理信号之一，它包含了心脏大量的生理和病理信息。而心脏是一个复杂的非线性动力系统，决定了由其产生的心音信号也具有一定的非线性特性和复杂性。常规的心音信号处理方法，如时频分析、功率谱分析等都是建立在线性模型...
- 卢德林
- 关键词：心音信号混沌动力学小波去噪方法
- 平移不变小波在心音信号去噪中的应用被引量：4
- 2014年
- 小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。
- 郭兴明何彦青卢德林袁志会
- 关键词：心音信号小波阈值去噪平移不变性
- 定量递归分析和近似熵在心音分类识别中的应用被引量：10
- 2013年
- 为了有效利用心音信号的非线性特征信息对心音信号进行分类识别,提出一种基于定量递归分析和近似熵的心音特征提取方法。首先利用递归图对心音信号进行定性分析;然后,定量提取心音的非线性特征参数:递归率、确定率、近似熵构成特征矢量;最后将特征矢量输入二叉树支持向量机,对采集到的正常以及5类心脏瓣膜性心音信号进行分类识别。对于文中提取的非线性特征参数,通过统计学分析证明了其有效性。结果表明,该方法能有效识别心音信号。
- 郭兴明李传鹏卢德林
- 关键词：心音信号近似熵二叉树支持向量机
