基于阻抗血流图的肢体静脉血栓检测与分析

来源 :桂林电子科技大学 | 被引量 : 0次 | 上传用户:ieuieuieu
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
静脉栓塞已成为全球致死的重要因素之一,在心血管疾病的诊断中,由于静脉栓塞比例的不断攀升,我国政府部门及临床需要以预防为核心,治疗为辅助,加强筛查诊断工作。阻抗血流图技术对于心血管疾病敏感,是心血管疾病诊断的重要手段。本文在研究静脉阻抗血流图技术的基础上,为了减少假阴性诊断,引入毛细滤过率和静脉波动速度对血栓检测模型进行了改进,针对模型设计了静脉血栓检测方法和静脉血栓检测系统,研究了静脉阻抗血流图信号特点,进行了相应的数据处理,实现了基础阻抗、静脉阻抗血流图升支阻抗变化率、降支阻抗变化率、血管容积变化、毛细滤过率和静脉血流速度特征的自动提取,实现改进模型对血栓的检测。本文主要工作分为数据采集平台设计、静脉阻抗血流图数据处理设计以及静脉血栓检测系统验证。数据采集平台主要由气泵控制模块、恒流源模块、电压采集模块、基础阻抗采集模块、信号调解调模块和信号采集模块构成。恒流源模块产生恒流激励信号,经激励电极在待测肢体内部形成电场。接收电极采集的电势信号经电压采集模块、基础组抗采集模块、信号解调模块后得到基础阻抗和阻抗信号。针对血流图阻抗信号微弱,敏感,信噪比低等问题,本文设计了信号采集模块用于获取静脉阻抗血流图、一般阻抗血流图和阻抗微分图信号。同时对各模块电路进行了相应的仿真验证和实际验证调整,保证了数据采集平台可行性。数据处理设计主要分为信号处理、特征提取设计与血栓检测模型设计。针对采集过程中的信息丢失、信号干扰等问题,对静脉阻抗血流图信号进行数字滤波、插值再抽样、毛细过滤修正和血流图有效性判断,进一步提高静脉阻抗血流图信噪比,使信号波形更加平滑,使基础阻抗、静脉阻抗血流图升支阻抗变化率、降支阻抗变化率、血管容积变化、毛细滤过率和静脉血流速度特征的提取更加方便。最后针对假阴性判断问题,依据血液循环系统理论,引入毛细滤过率和静脉波动速度对血栓检测模型进行了改进,采用逻辑回归建立了血栓检测模型,提高了阳性判断能力。在完成静脉血栓检测系统后,对信号进行标定,对系统进行功能验证,对多人进行检测。由于实验没有血栓样本,采用止血绷带模拟血栓,从实验的初步成果来看,静脉血栓检测系统改进模型阳性判断能力提高有限,还需要更多的实验积累和设计改进,但静脉阻抗血流图在血栓辅助判断的能力还是值得肯定的。
其他文献
随着电子通信系统的进一步发展和数据的大量产生,人们对数据传输速率的要求也越来越高。由于并行传输不能满足日益增长的数据传输速率的要求,SerDes技术逐渐成为人们的首要选择。然而,有线传输信道存在介质损耗、趋肤效应等非理想因素,这些非理性因素会导致信号的失真,严重降低了接受端的信号质量。为了恢复接收端的信号质量,均衡技术便成了高速SerDes系统中必不可少的一部分。在传输速率不断提升的趋势下,本文研
脑-机接口(brain-computer interface,BCI)系统在大脑和外部设备之间建立直接联系,通过识别大脑信号,把大脑活动直接解码成外部设备的控制指令。BCI系统在军事、教育、医疗、娱乐等方面得到了越来越多的应用。基于运动想象的BCI系统与人的自然想象和运动控制更加契合,因此本文主要研究运动想象脑电。由于运动想象脑电信号样本量小、信号维度高的特点,通道选择的作用显得尤为重要。过多的电
投影同步是一种重要的网络同步方式。在实际生活中投影同步现象非常普遍,如飞机编队的同步飞行、火箭的精准定位、保密通信等,因此,投影同步问题的研究具有重要的理论意义和现实意义。然而,已有的对复杂网络上的投影同步研究还存在诸多不完善的地方,具体有如下三个问题值得进一步探索。首先,已有投影同步的研究中尺度因子是一致的,对于实现网络投影同步来说条件过于苛刻。其次,为了实现给定尺度因子下的投影同步,往往需要追
电阻抗断层成像技术(Electrical Impedance Tomography,EIT)是一种体外检测的功能性成像技术,通过对被测对象的电导率分布或者电导率变化进行成像,提取人体生理和病理特征,与传统CT、核磁共振成像相比有着无辐射、便捷、成像速度快和设备成本低等优点;但是,目前的EIT系统普遍存在欠定性、非线性和病态性等问题,造成成像质量较低。边界电压变化对电导率分布变化不敏感的病态问题,求
目前,以深度学习为代表的目标检测算法,如:You only look once(YOLO)、Single Shot Multi Box Detector(SSD)等单阶段的目标检测算法已体现出的较高的检测率和稳定的检测效果,但是,此类检测算法在一些特定的小目标检测应用中,如车站广场人群密集的人脸目标、航站楼远处的飞鸟目标等,由于这些目标相对和绝对的大小都非常小,传统的检测算法针对这些小目标的检测率
社交媒体已经成为人们日常生活与社会交往不可或缺的重要场所,全球数十亿用户每天都会花费大量时间活跃在社交媒体平台上,这些网络平台已经成为人们实时交流、获取信息的工具。然而社交媒体的开放性和便利性同样也孕育了许多潜在危险,大量恶意账号和虚假信息充斥着社交网络。异常检测是识别社交网络上正常或异常活动的重要数据分析手段之一。图卷积网络(Graph Convolutional Network,GCN)作为一
现实生活中的许多场景都存在着样本标签不确定的问题,即样本在其对应的候选标签集中,只有一个标签是真实的标签,其余标签为伪标签,如何利用标签不确定的数据训练得到一个稳定的分类模型,是偏标记学习的主要研究任务。但是在传统的偏标记学习算法中,很少有方法考虑到标签的关联性,分类模型的泛化性以及数据的不均衡等问题。基于这些问题,本文主要做了以下几个方面的研究工作:1、提出一种改进特征引导消歧的偏标记学习算法(
随着“互联网+”不断为旅游业赋能,并由机器学习、大数据从软件层面为旅游业发展提供动力,对传统的旅游领域带来了深刻的变革,在由旅行社主导的传统的跟团游之外,个性化出游愈加的成为人们的出游选择,同时在线旅游整合旅游景点门票、酒店、餐饮、游玩资源的线上销售模式中,产生了大量的游客行为数据,如何对这些数据进行准确的收集获取,进而对用户偏好进行细粒度的捕获成为亟待解决的问题。由于现有的序列推荐算法大多着眼于
民用无人机的快速发展和广泛应用给生活带来了便利,同时也导致了侵犯个人隐私和威胁公共安全的事件频发。基于可见光技术的无人机入侵检测系统依赖于发展迅速的机器学习技术,成为了机器视觉领域的研究热点。然而,无人机在图像中的像素占比较小、在复杂背景下易融于背景等难点,使得目前基于可见光技术的无人机入侵检测系统不够完善。本论文针对无人机入侵检测系统的需求,研究并设计了一种基于机器视觉的无人机入侵检测系统。主要
学位