XiaoMi-AI文件搜索系统
World File Search SystemBeats
CardiacNet：基于神经网络、使用心电图信号进行心跳分类
摘要：以心电图 (ECG) 的形式获取有关心脏电活动的信息已成为监测患者心律和功能的标准方法。它用于诊断各种心脏异常，如心律失常和其他心脏病。然而，解释心电图需要训练有素的医生的专业知识，因此需要自动对此类信号进行分类的工具。在本研究中，我们训练深度卷积神经网络 (CNN) 对心电图搏动进行正常和异常的二元分类。在对从 MIT-BIH 心律失常数据库中选择的一组不同心电图进行通用网络预训练后，我们使用迁移学习来构建针对特定患者数据进行微调的模型。然后，我们将微调网络的性能与仅对单个患者的心电图数据进行训练的单个网络的性能进行比较，以评估迁移学习对给定问题的整体效果。我们在两种情况下都取得了不错的结果，因为单个分类器在测试集上的平均平衡准确率为 94.6%，而微调模型的准确率略差，为 93.5%。关键词：心电图分类、CNN、医学成像、迁移学习
型号BP761指令手册
请勿根据该血压监测器的测量结果调整药物。服用您的医生处方的药物。只有一名医生有资格诊断和治疗高血压。监视器不打算是诊断设备。在以下任何情况下使用该设备之前，请咨询您的医生：常见心律不齐，例如心房或心室过早节拍或房颤，房颤，动脉硬化，灌注不良，糖尿病，年龄，妊娠，妊娠，前倾向于倾向，肾上腺疾病，肾疾病。请注意，患者运动，发抖，发抖可能会影响测量阅读。请勿在受伤的手臂或手臂上使用该设备。在静脉滴注或输血时不要将手臂袖带施加在手臂上。在使用动脉 - 直体（A-V）分流器上使用该设备之前，请咨询您的医生。请勿同时将设备与其他医疗电气（ME）设备一起使用。请勿在HF手术设备，MRI或CT扫描仪或富氧环境中使用该设备。空气管或交流适配器电缆可能会导致婴儿意外勒死。包含小部分，如果婴儿吞咽，可能会引起窒息危险。
型号BP760N指令手册
请勿根据该血压监测器的测量结果调整药物。服用您的医生处方的药物。只有一名医生有资格诊断和治疗高血压。监视器不打算是诊断设备。在以下任何情况下使用该设备之前，请咨询您的医生：常见心律不齐，例如心房或心室过早节拍或房颤，房颤，动脉硬化，灌注不良，糖尿病，年龄，妊娠，妊娠，前倾向于倾向，肾上腺疾病，肾疾病。请注意，患者运动，发抖，发抖可能会影响测量阅读。请勿在受伤的手臂或手臂上使用该设备。在静脉滴注或输血时不要将手臂袖带施加在手臂上。在使用动脉 - 直体（A-V）分流器上使用该设备之前，请咨询您的医生。请勿同时将设备与其他医疗电气（ME）设备一起使用。请勿在该区域使用该设备HF手术设备，MRI或CT扫描仪或富含氧气的环境中存在。空气管或交流适配器电缆可能会导致婴儿意外勒死。包含小部分，如果婴儿吞咽，可能会引起窒息危险。
心脏植入电子设备：更新
心脏植入电子设备（CIEDS）已经存在了50多年，并且继续是对心律障碍的必不可少的可靠治疗方法。1 CIEDS的最新进展一直是其范围，功能和个性化。治疗选择现在包括用于治疗心动过缓的起搏器（图1）；可植入心脏心律不齐治疗的植入式心脏逆转表板（ICD）；心脏重新同步治疗（CRT）是一种特殊的起搏器形式，可刺激心力衰竭和射血分数减少的患者的左心室，其中可能包括除颤器（CRT-D；图2）或仅起搏器（CRT-P）；和可植入的循环记录器（ILR），用于监测和诊断心律疾病，而无创方法（例如Holter监测）已经耗尽了（例如，不频繁，未分化的Syncope）。永久起搏器植入物（表1）和ICD植入物（表2）的适应症保持相对不变。2,3在此外，可能存在一些遗传疾病或心肌病的人群中的一些特殊迹象。尽管鼻窦心动过缓的定义是每分钟的心率<50次，如果不存在症状，但不需要永久起搏的情况就可能会观察到较慢的速度。2概述
先天性缺乏心包
案例介绍一名50岁的非洲裔美国男性向急诊室提出了呼吸急促（SOB）的主要抱怨，并在劳累时呼吸困难恶化了一周。他描述了躺在左侧，以及呼吸呼吸，矫形和不辐射的左侧胸部压力时，使Sob恶化。进行体格检查，患者是心动过心，心率不规则，下叶的裂纹，痕量的双侧下肢水肿和不可填充的顶尖脉冲。实验室研究对于2830 pg/mL（正常范围= <100 pg/ml）和阴性肌酮蛋白的启行-B型亚替肽（Pro-BNP）水平很重要。心电图（ECG）的心室速率为每分钟146次，不规则的节奏不规则，右轴偏差和R波进展不佳。胸部X射线（CXR）（图1）揭示了心脏肿大和右心脏边框减少。随后的超声心动图显示出严重的二尖瓣反流和中等三尖瓣反流。值得注意的是，它还显示了心脏在顶端窗口中的心脏移动，可疑，因为缺乏心包。CT扫描证实了左心包部分缺失的诊断。CT扫描证实了左心包部分缺失的诊断。
kid-ppg：知识了解从智能手表提取心率的深度学习
摘要 - 由于运动伪像和信号降解，从光电学（PPG）信号中准确提取心率（PPG）信号仍然具有挑战性。尽管经过数据驱动的推理概率培训的深度学习方法提供了有希望的解决方案，但他们通常不利于医疗和信号处理社区的知识。在本文中，我们解决了深度学习模型的三个缺点：删除运动伪像，降低评估以及对PPG信号的生理上合理的分析。我们提出了一个知识知情的深度学习模型Kid-PPG，通过自适应线性过滤，深层概率推断和数据增强来整合专家知识。我们在PPGDALIA数据集上评估了KID-PPG，达到平均平均绝对误差为每分钟2.85次，超过了现有的可重复方法。我们的结果表明，通过将先验知识纳入深度学习模式中，心率跟踪的表现显着改善。这种方法通过将现有的专家知识纳入深度学习模型中，可以增强各种生物医学应用。
增强弥漫性相关光谱脉冲脑血流信号，并具有近红外光谱光谱学
将DC与NIRS结合起来可以计算氧气6的脑代谢率，并进一步了解健康7、8和病理条件下血红蛋白浓度与脑血流（CBF）变化之间的关系。9，10最近，我们和其他小组提出了使用DCS脉动CBF指数信号（PCBF I）来量化颅内压（ICP），临界关闭压力（CRCP），脉冲指数（PI）和脑抗血管抵抗指数（CVR I）的连续性和非inniNninvasine continally and Inninvasine conteriality。11 – 16 Despite the encouraging results, the low signal-to-noise ratio (SNR) of current DCS devices limits pCBF i to source- detector separations (SDsep) of up to 2.5 cm, which reduces brain sensitivity in adults, 17 and to achieve sufficient time-points within a pulsatile waveform, it requires cardiac-gated averaging of 50 arterial pulses, 11 which dampens the脉冲峰，并提供CRCP和CVR I估计为0.02至0.07 Hz，速率太低，无法研究大脑脉管系统的动态压力流关系。18要克服DCS噪声，增加SDSEP并以较少的平均恢复PCBF I恢复，我们提出了一种基于NIRS和DCS脉冲信号组合的新方法。由于在相同采样速率下的NIRS测量值通常检测到多个数量级的光子，因此NIR的SNR比DCS的SNR（19，20）好得多，允许测量脉冲血容量波形，并在长SDSEP（≥3cm）处具有高时间分辨率。PWA通常是指在短SDSEP上使用脉搏氧量设备测量的PPG波形的形态。21特别是，我们最近开发了一种称为Flexnirs的开源，可穿戴和无线NIRS设备，具有低噪声等效功率（NEP <70 fw∕P Hz），能够以高达266 Hz的采样率以高达266 Hz的采样率获取10个通道。22该设备的高SNR性能使我们能够在NIRS光掌术（PPG）的脉冲光吸光度下以3.3 cm sdsep（Nirs-Pppg）的速度吸收性（NIRS-PPG）与少数Beats Anever to beats Anirs to beative and Beative vellsaTile光吸光度（PPG），从而解决脉动血液量和其时间衍生物。23从表面PPG中提取的形态特征及其时间衍生物已在文献中进行了研究，通常包括PPG波轮廓的振幅，潜伏期和宽度。这些特征通常带有算法，这些算法在信号中找到局部最大值和最小值及其第一个至第三次衍生物。23 PWA量化了脉搏波的特性，以获取有关心血管态的信息，并揭示了特定特征与皮肤血管衰老，刚度和外周耐药性的相关性。24 - 27测量长SDSEP PPG及其时间导数的能力扩展了分析，以表征大脑血管，并通过弥漫性光学方法为研究脑健康打开了新的维度。28 - 30此外，当通过利用脉冲血容量和血流关系同时测量DC和NIR时，31 - 33，我们可以将Pul-Satile流入和流出和流出和模型PCBF I分开，并将模型作为NIRS-PPPG的线性贡献，以及它的首次衍生物[D（NIRS-PPPG）[D（NIRS-PPPG）/DT]。所得拟合的PCBF i-fit在DC上显示超过SNR，同时准确匹配DCS脉冲流，使我们能够在心脏频率下估计PI，CRCP和CVR I。为了验证该模型，我们与Flexnirs同时测量了12位健康受试者，并且在我们的实验室中可用的最先进的DCS原型，该原型在1064 nm处运行，并采用了超导纳米型单杆探测器（SNSPD）。SNSPD-DCS系统提供了> 16倍SNR的增加，而标准DCS技术，17，使我们能够在较大的分离处解决PCBF I，并使用较低的心脏门控平均。，我们对受试者进行了NIR和DCS测量，同时执行改变脑和系统生理的标准任务，并在各种条件下恢复了脉动和慢速变化的信号。
青铜上臂血压监测器
•请勿在婴儿，幼儿，儿童或无法表达自己的人上使用此监测仪。•请勿根据该血压监测器的读数来调整药物。服用您的医生处方的药物。只有一名医生有资格诊断和治疗高血压。•请勿在受伤的手臂或手臂上使用此显示器。•在静脉注射或输血时，请勿将手臂袖带施加在手臂上。•请勿在包含高频（HF）手术设备，磁共振成像（MRI）设备，计算机断层扫描（CT）扫描仪或富氧环境的区域使用此显示器。这可能导致监视器的操作不正确和/或导致读数不正确。•请勿在富含氧气环境或接近易燃气体中使用此显示器。•如果您有常见的心律不齐（例如心房或心室过早的节拍或房颤），请在使用此显示器之前咨询您的医生；动脉硬化；灌注不良；糖尿病;怀孕;子痫前期或肾脏疾病。请注意，除了患者运动，发抖或发抖之外，这些条件中的任何一个都可能影响测量阅读。•永远不要根据您的阅读来诊断或对待自己。始终咨询您的医生。•为了避免勒死，请使空气管远离婴儿，幼儿和儿童。
使用 ZX-calculus 减少 T 计数
减少电路中非克利福德量子门的数量是有效实现量子计算的重要任务，尤其是在容错机制下。我们提出了一种基于 ZX 演算减少量子电路中 T 门数量的新方法，该方法在无辅助电路的情况下，在大多数基准电路上，该方法与之前减少 T 计数的方法相当甚至更好，在某些情况下，改进幅度高达 50%。我们的方法首先将量子电路表示为 ZX 图，这是一种张量网络状结构，可以根据 ZX 演算规则进行变换和简化。然后，我们表明，可以使用一种称为相位隐形传态的新技术扩展最近提出的简化策略以减少 T 计数。该技术允许非克利福德相位通过通用量子电路非局部传播来合并和抵消。相位隐形传态不会改变非相位门的数量或位置，该方法也适用于任意非克利福德相位门以及参数化电路中相位参数未知的门。此外，我们使用的简化策略足以验证许多电路的相等性。特别是，我们用它来证明我们优化的电路确实与原始电路相等。我们已经在开源库 PyZX 中实现了本文的例程。
使用庞加莱图评估狗心率变异性分析的指标
摘要：使用庞加莱图进行心率变异性分析可用于评估自主神经系统功能。然而，对庞加莱图定量指标的解释仍然存在争议。因此，很少有研究验证过这些定量指标在兽医学中的有效性。本研究旨在使用狗的药理学模型验证庞加莱图指标的可靠性。本研究使用了四只健康的比格犬。每只狗分别接受普萘洛尔、阿托品和普萘洛尔-阿托品治疗，以阻断交感神经、副交感神经和交感-副交感神经功能。庞加莱图的定量指标是根据在给药前后收集的 300 次心电图数据计算得出的，并进行统计分析。庞加莱图的定量指标，如垂直于长轴的标准差（SD1）、沿长轴的标准差（SD2）、SD1×SD2等，在给药后，无论是副交感神经阻断模型还是交感神经-副交感神经阻断模型，均明显下降，但各组间SD1/SD2无明显差异。庞加莱图反映了犬自主神经系统的变化，在犬中，SD1、SD2、SD1×SD2可检测出副交感神经活动被抑制的状态。