新書推薦：
《
知命不惧：从芝诺到马可·奥勒留的生活艺术
》
售價：NT$
505.0
《
Zemax光学设计从基础到实践
》
售價：NT$
602.0
《
全球化的黎明：亚洲大航海时代
》
售價：NT$
500.0
《
危局
》
售價：NT$
383.0
《
穿裙子的士：叶嘉莹传
》
售價：NT$
245.0
《
财富方程式
》
售價：NT$
352.0
《
知识社会史（下卷）：从《百科全书》到“在线百科”
》
售價：NT$
454.0
《
我读巴芒：永恒的价值
》
售價：NT$
602.0
|
| 內容簡介： |
本书立足于心血管疾病实际诊疗需求，基于大数据、人工智能等新一代信息技术，重点介绍了心电信号预处理、心电信号特征提取、心电信号分类诊断以及心电信号质量评估的技术，介绍了高质量12导联心电数据库的建立过程，最后描述了12导联心电衣和物联网智能医疗云服务平台的设计过程，总结了近几年在心电领域的研究成果，给出了该领域有待解决的一些前沿问题。
本书以专题形式进行深入阐述，将心电信号处理、分类、评估及应用等串联起来，帮助读者对于智能心电领域有更深层次的理解。本书适合用作高等院校电子信息类和生物医学工程专业本科生与硕士研究生的选修教材或教学参考书，也可以供相关教师和工程技术人员阅读。
|
| 關於作者： |
|
王英龙，齐鲁工业大学教授，博导，享受国务院政府特贴，山东省有突出贡献的中青年专家。主要研究方向为物联网技术、信息安全、医学人工智能。先后主持国家重点研发计划、国家发改委专项等重大项目20余项。主持国家超级计算济南中心、山东省云计算中心等大型自主信息基础设施的研究与建设，构建了国产超级计算机应用生态，推动了物联网、人工智能等新信息技术在医养健康领域的重大研究与应用。以第一完成人获得山东省科技进步一等奖2项、二等奖4项，山东省教学成果奖特等奖一项；发表高水平学术论文50余篇，申请授权专利30余项，编写国家标准5部。
|
| 目錄：
|
第1章绪论
11研究背景及意义
12心电学基础理论
13智能心电技术的研究现状
14准备知识
第2章智能心电信号降噪技术研究
21基于ECG稀疏特性的基线校正算法
22基于GMC惩罚项的稀疏降噪算法
23基于共振稀疏分解的ECG降噪算法
24一种基于HINet和梯度差损失的两阶段心电信号降噪方法
第3章智能心电分类算法研究
31基于膨胀因果卷积网络的心电信号分类方法
32基于残差及注意力机制的心律失常图像分类算法
33基于对抗域自适应学习的心电信号分类方法
34基于混沌神经网络的心电图分类
35基于长短时记忆神经网络的房颤检测算法设计
36基于多特征融合的房颤检测算法
37一种共振稀疏分解与深度学习相结合的12导联心电异常自动检测算法
38基于导联分组的多分支网络的12导联心电信号多标签分类方法
第4章心电数据库的构建
41数据库构建的背景与意义
42数据库的构建步骤
43数据库概况
44技术验证
第5章心电质量评估方法研究
51引言
52相关数据集
53心电信号质量分级
54心电信号质量评估方法
55基于S变换频谱深度特征和人工特征融合的心电质量评估方法
第6章心电信号智能分析与处理应用实例
6112导联穿戴式心电衣检测系统
62健康检测终端及智能医疗云服务平台
参考文献
1147925263339445050637485100110119131145145146147152155155156158160162167167172176
|
| 內容試閱：
|
生物医学信号分析与处理技术是现代医学诊断和治疗设备的核心支撑技术之一。近年来，随着数字信号处理技术和计算机技术的飞速发展，生物医学信号处理技术也得到了长足的进步和广泛的应用。一方面，医学诊断与治疗中出现的新问题不断给医学信号分析与处理提出新的研究课题；另一方面，医学信号分析与处理的发展与普及为临床医学的诊断与治疗提供了有力的工具。由于心律失常疾病的高死亡率，心电信号自动分析处理技术已成为当前国内外专家学者的研究重点。本书以医学心电信号处理关键技术为重点，深入研究了心电信号降噪、特征检测、心电分类与评估技术，以及常用心电库的介绍和自有数据库的发布，智能医疗云平台的建设等内容，主要做了以下几个方面的工作。
1智能心电信号降噪技术
心电信号是一种微弱的电生理信号，由于人体自身以及环境的干扰会产生各类噪声和扰动，从而影响采集信号的质量。在这一过程中所夹杂的干扰噪声会使原始波形变动，造成失真，引起波形震荡，覆盖或破坏原始心电图（Electrocardiogram，ECG）信号的细节特征，如果不去除这些噪声将不利于后续的分析，严重影响对于心血管疾病的相关诊断。使用信号处理的方法能方便地剔除一定的噪声，大大提高心电信号的信噪比，从而增强心电信号使用的准确性和稳定性。因此，心电信号采集后相关噪声和干扰的处理对于心血管疾病的分类诊治分析极为必要，主要通过传统方法和深度学习方法来实现心电信号降噪。
2智能心电信号分类技术
早期的心电图分类几乎完全需要人工来进行判断，医生在没有看完完整的心电图之前根本无法获得一个准确的分类结果，并且由于医生长期处于这种枯燥、繁重的心电图心拍类型的识别工作中，会产生一定的疲劳感，可能会导致部分心拍类别判断的效率和准确性都较低。目前，深度学习技术发展迅猛，在医疗领域发挥着巨大的作用，将深度学习技术应用在心电信号自动分类领域，有助于减少医生工作量，降低医生误诊率。本书提出了基于深度学习的多种心电信号分类方法。
3心电数据库构建
在心电图的自动化解析方面，相比传统的人工特征构造与提取的方式，以深度学习为代表的数据驱动方法正展示出其巨大的潜力。然而，深度学习模型需要大规模、精标注的心电样本进行训练才能将这种潜力发挥出来。例如，在专家级心律失常检测与心脏收缩功能障碍筛查等众多成功的案例中，均有数以万计的心电图样本参与其中。不过，这些心电图数据往往都不对外开放，目前研究者可获得的高质量12导联心电数据仍十分有限。因此，从采集的原始心电数据出发，构建具有标准化诊断术语的大规模多中心心电数据库对于推动心电智能诊断技术发展具有重要意义。
4心电信号评估方法研究
心电信号质量评估，即从心率等信息提取、医学诊断等目的出发，将采集的原始心电记录按照信号质量划分为不同级别的过程，主要的应用场景包括移动心电监测、可穿戴心电设备等。本书在第5章介绍了心电信号质量评估的意义和必要性，然后给出可用于心电信号质量评估的相关数据；介绍心电信号质量等级的几种主要划分标准和步骤；简要描述了现有心电信号质量评估方法以及不同方法之间的联系。最后，介绍了一种基于S变换频谱深度特征和人工特征融合的心电信号质量评估方法。
5智能心电检测系统设计
针对我国基层医疗技术手段相对落后、看病种类不全面、健康医疗服务体系不完善等现状，本书介绍了12导联心电衣和物联网智能健康云平台的设计过程。基于大数据、人工智能、云计算等新一代信息技术，通过对疾病智能辅助诊断及健康干预方案定制等科学问题的研究，描述了全方位、多层次的智能化健康医疗综合管理服务云平台典型案例，以技术手段助力医疗事业发展。
向支持本书出版的齐鲁工业大学(山东省科学院)、山东省人工智能研究院和清华大学出版社及其编辑表示衷心的感谢。
由于时间仓促，本书难免有疏漏之处，恳请读者批评指正。
编著者2024年3月于齐鲁工业大学(山东省科学院)
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
