简介：目的　将小波变换应用于ECG信号QRS波检测，提高QRS波的正确检测率。方法　利用二进Marr小波对ECG信号按Mallat算法进行变换；从等效滤波器的角度分析了信号奇异点(R波峰值点)与其小波变换模极大值的关系；探讨二次微分小波与一次微分小波在奇异点分析时性能上的差异，在检测中还运用了一系列策略以增强算法的抗干扰能力。结果　经MIT/BIH标准心律失常数据库验证，QRS波的正确检测率高达99.8%。结论　小波技术在ECG信号消噪和精确定位显示良好的性能；不同的小波函数直接影响结果和后续的检测策略。

简介：摘要对现代心理学而言，分析脑电图（EEG）信号是判定大脑认知活动的主要方式之一。但能反映大脑活动的EEG信号会受到噪声影响，为了应对此问题，可对小波变换进行调整，选择自动滤波器，利用其具备的优越滤波功能，结合小波变化的优点，实现噪声的清除。对脑电图信号的辨别而言，这种调整可以判定更多波形的特点，可见此方法的应用效果优于以往的辨别方法。

简介：探索心电信号的有效标定方法.利用小波变换良好的时频聚焦性和多孔算法的时不变性,并结合时域的标定参考信息,实现对ECG的准确标定.结果表明在Matlab6.5仿真环境下,对MIT/BIH心电数据库中的数据进行测试,准确率可达99.5%,并且满足CSEworkingParty提出的心电检测误差标准.在波形失真较小情况下,用该法可实现对ECG的自动标定.

简介：本文描述了一个基于小波的图像复原方法，该方法首先将图像和运算用小波表示，得到退化模型的多分辨率稀疏矩阵表示法，使用该法我们得到了一个多级正则化图像复原算法，并可有效地进行平滑约束，最后，我们对所提算法进行了验证，取得了较好的结果。

简介：医学图像数据量大，在高效压缩的同时确保其压缩后的高保真度是医学图像压缩首要考虑的因素。使用第二代整数实现的提升格式小波变换代替原来的小波变换，保证图像的可逆性和小波特性，能够实现真正的无损压缩。实验结果表明，在此基础上完成的多集集合分裂算法（SPIHT），对医学图像的压缩更加平滑，视觉效果好，压缩效果和质量较高，提高了重构图像的PSNR。

简介：本文首先分析了新的时频分析理论——小波变换理论的优良时频特性，并与窗口傅里叶变换的时频特性作了比较；又对小波变换理论在生物医学信号处理中的应用进行了评述；最后对小波变换理论及在生物医学信号处理中的应用作了简要展望。

简介：为了提高P波检测准确率,利用小波变换模极大值对在多尺度上的变化规律能表征信号突变点的性质,结合人体生理特性的检测策略进行心电信号P波的跨尺度检测.同时,引入反向传播神经网络对已检出的准P波再次进行确认与识别.经MIT数据库实验表明,P波检测准确率达到97%.

简介：介绍了3种基于小波变换的医学图像增强方法和其原理,分别应用这3种增强方法对一幅磁共振医学图像进行了增强处理,对实验结果数据进行对比分析,说明它们在医学图像增强效果上的差异.

简介：为提高中医诊断图像的质量，应用改进的基于小波变换尺度间相关性的去噪方法，对诊断图像进行去噪处理。结果显示，该去噪方法能有效去除中医诊断图像中的噪声。

简介：本文应用小波变换的MALLAT算法，结合矢量量化和MAX最化提出了一种新的图像压缩编码方法。实验结果表明给出了较高的压缩比和很好的图像还原效果。

简介：目的研究医学数字影像的降噪法，提高临床大夫对医学影像细节的诊断能力。方法采用图像的多尺度小波变换局部模最大值进行空域滤波（主要是边缘检测及降噪）的方法。结果此方法得到了满意的边缘检测和降噪结果，克服了传统方法的缺点。结论此方法降噪能力强，定位精度高。

简介：目的研究用小波变换去除心电图信号中呼吸信号的方法.方法采用db4小波对采样频率为200Hz的心电图信号作离散小波变换的多层分解,并与呼吸信号的频率成分比较,发现呼吸信号分布在心电图信号分解后第8、9、10层细节中,去除这些成分和高频干扰,对剩下的分量重构.结果比较成功地纠正了心电信号的基线,去除了低频呼吸信号的干扰.结论小波变换的方法能够去除心电信号中的呼吸信号干扰.

简介：为了研究小波变换分解的尺度和融合策略对图像融合效果的影响。我们选择已配准后的多聚焦医学图像以及MRI/CT灰度图像,在提取图像的低频和高频小波系数时,分别进行单尺度和多尺度分解,融合时采取了基于独立像素点和基于邻域窗口的多种融合策略,深入对比分析各种融合规则对医学图像融合性能的影响。实验结果和性能评价表明：使用局部滤波的操作可以明显改善图像融合的效果,使图像的细节信息更加丰富,而多尺度融合能明显提高融合图像的亮度。

简介：

简介：摘要由于医学图像信号一般具有较强的相关性，如果经过多维坐标系适当的旋转变换后，把散布在各个原坐标轴上的原始图像数据集中到新坐标中的少数坐标轴上了，再经适当的适量量化和编码，就可以实现高效数据压缩。

简介：临床上分析癫痫脑电信号非常重要．由于临床记录的癫痫脑电信号中含有大量的伪迹干扰，特别是肌电伪迹，所采集的脑电信号无法正确反映大脑的生理及病理状况。本研究利用小波变换的多分辨率特性和独立分量分析（ICA）的盲源分离特性，把用连续小波变换分解的脑电子带信号作为ICA输入，经ICA分离后，有效地消除了癫痫脑电中的肌电伪迹，并分离出了癫痫样特征波，效果理想。

简介：当前肌肉疲劳表面肌电信号(surfaceelectromgography,sEMG)特征提取方法,忽略了非线性跳错信号的影响,且不能在非平稳状态下进行特征提取,存在特征提取准确度差的问题。提出基于小波变换的肌肉疲劳sEMG特征提取研究,采用小波变换对所采集的样本去噪,结合时域、频域特征分析法,融合傅里叶变换方法对肌电信号中的线性特征进行提取,根据带谱近似熵理论对非线性挑错信号进行特征回归分析,并利用拟态分解函数和希尔伯特变换法对肌电信号进行时频特征的整合提取,最终完成基于小波变换的肌肉疲劳sEMG特征提取研究。实验验证,所提方法具有可行性,且将1000个肌电信号样本分成5组,对其中的跳错信号进行特征提取,所提方法准确度较文献方法高出75%,在非平稳状态下将200个肌电信号样本分成5组进行特征提取,所提方法准确度较文献方法高出33%。由此得出,所提方法优于当前特征提取方法。

简介：指纹自动识别系统因其本身的特殊性对指纹图像压缩提出了特殊的要求，为满足这些要求，我们提出了面向指纹自动识别的指纹图象压缩的评价标准和基于小波变换的考虑特征点区域的指纹图像压缩算法。

简介：目的采样得到的脉搏波信号信噪比较低，这给后续研究带来了困难，因此消除噪声的干扰是准确进行相关医学测量的关键前提。本文提出一种基于小波变换的脉搏波阈值去噪改进算法。方法依据了高频系数方差在不同尺度下的分布特征，提出了一种自适应确定分解层数方法；针对恒定偏差与不连续问题，提出在阈值邻域范围内线性收缩至零的阚值函数。结论实验结果表明该方法可以快速有效地分离脉搏波信号和噪声，为准确监测脉搏波信号奠定了基础。

简介：摘要目的提出一种基于霍夫变换(HT)的新算法提高射波刀自动质量保证(AQA)测试胶片影像分析的准确性与稳定性，并探讨胶片图像的扫描分辨率对测试结果的影响。方法获取9对胶片对AQA模体进行分析测试，首先利用中值滤波对灰度化后的胶片影像预处理，去除噪声干扰；再使用全局阈值对图像进行二值化分割，对分割后的图像进行边缘检测并利用HT提取胶片边缘直线，将胶片图像变换至正确位置；最后利用边缘检测和HT提取出影像中射野投影圆和钨球投影圆的圆心，通过分析同心度最终得到AQA测试的误差分析结果。结果所有样本分别使用本算法与原软件算法所得等中心误差结果差异无统计学意义(P>0.05)，其标准差差异有统计学意义(P＝0.027)；表明本算法在保证了胶片分析准确性的同时具有更好的稳定性。两种方法均不能通过采用分辨率更高的胶片影像来提高分析结果的准确性和稳定性。结论本算法排除了胶片扫描摆位误差造成的干扰，为射波刀系统AQA工作提供了一种更稳定的途径。