CN102347944B - 基于小波算法的心电信号传输方法和系统 - Google Patents
基于小波算法的心电信号传输方法和系统 Download PDFInfo
- Publication number
- CN102347944B CN102347944B CN201110206698.9A CN201110206698A CN102347944B CN 102347944 B CN102347944 B CN 102347944B CN 201110206698 A CN201110206698 A CN 201110206698A CN 102347944 B CN102347944 B CN 102347944B
- Authority
- CN
- China
- Prior art keywords
- data
- ecg
- electrocardiogram
- wavelet
- electrocardiosignal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于小波算法的心电信号传输方法和系统,本发明通对采集的心电信号进行处理,在传输过程中,通过将终端显示尺寸、链路实时传输速率和PRD性能作为自适应控制的参数,实现ECG信号的适应移动终端显示尺寸、链路实时传输速率、分段PRD性能优化的实时压缩。该方法在获得的高压缩率和可控保真度的基础上,量体裁衣,降低了3G终端重建波形的运算负担、节省了终端资源,充分利用了链路资源、缩短了传输时延,为实现实时监控提供了进一步保障。
Description
技术领域
本发明涉及一种心电信号传输方法和系统,尤其涉及一种基于小波算法的心电信号传输方法和系统。
背景技术
传统的远程监控和诊断系统采用的医学信息标准主要有XML、UMLS、SNOMED、ICD、DICOM及HL7等。而由于国内的医院、公司、院校及研究机构开发了基于各种医学信息标准的大量医学应用软件,并将其应用在医疗的各个方面,但由于没有遵循统一标准,这些软件兼容性很差,不能达到流畅交流相关医疗信息的目的。同时,随着医院现代化程度的提高,部分大型医院已经形成具有较大规模的医院信息系统、医学影像存档与通信系统、放射科信息管理系统和检验信息系统等,因此各系统间采用统一的标准进行信息共享与交互是目前亟待解决的重要问题。
对于传输心电图等生理信号的远程传输系统,因其数据量巨大,通常要对波形信号进行压缩。通常采用的算法主要分为三大类:时域直接压缩算法、特征参数提取法和变换域压缩算法。时域算法为较早期开发的算法,主要包括转折点算法、AZTEC算法、Fan算法和Huffman编码等。由于该方法直接对数据进行处理,计算简单,且具有较好保真度。特征参量提取法是提取信号特征点或建立信号模型,在信号恢复时利用这些特征点或模型参数来重建波形,如语义分析法、人工神经网络法等。变换域算法主要基于自相关性或多路信号的互相关性,其中比较有代表性的是FT、K-LT、HF及小波变换法。
近年来,基于离散小波变换的压缩算法因其实现简单、压缩性能高而受到广泛关注。其中由于离散小波变换具有良好的时频局部化能力,其二进塔式分解结构又能满足渐进压缩的要求,符合人眼视觉系统的原理,因此基于DWT的压缩方法在信号、图像及视频压缩中得到广泛的应用。针对ECG信号的压缩方案主要包括:嵌入式零树编码(EZW)、多级树集合分割(SPIHT)、基于Context模型的算术码编码(CMAC)等。
嵌入式零树编码(EZW)是1993年由Shapiro提出,对图像信号先采用传统的小波变换,然后对小波系数零树编码。EZW是一种渐进式编码,同其他编码方式相比,该方法计算简单,压缩能力高,而且能轻易实现可变码率。
多级树集合分割(SPIHT)由A. Said 和W.A. Pearlman提出的对EZW的改进算法。它将待编码的小波系数分成3个队列,不显著性集合队列、不显著性系数队列和显著性系数队列。通过初始化、分类、细化和量化步长更新四个子过程完成嵌入编码。该方法能在获得高保真度的同时获得较好的压缩效果。
基于Context模型的算术码编码首先检测R波,切割并排列ECG信号为图像。之后结合心动周期制作编码数据图,对ECG图像采取一维DWT和带截止区均匀量化,量化系数分解为重要位置图、符号流、最高位位置流和剩余比特流,最后结合编码数据图进行基于context模型的自适应算术编码。该方法为ECG信号的二维压缩方案,比一维压缩方案的压缩性能更高。
目前政府部门尚未对远程医疗建立相对完善的标准化体系。首先传统的远程监控和诊断系统通常没有采用标准的医学数据格式,因此各个接口之间,例如监视器与存储数据库间及网络服务器间的数据传输不能应用统一程序进行部署。同时各家医院、部门重复开发软件,系统与医疗设备不能兼容。这些问题已经成为医疗信息共享和远程医疗网络的规划、建立等产业化进程中的一大障碍。
传统的远程医疗系统在传输过程中,大多未考虑对传输数据在保证其准确性及适应当前链路实时传输吞吐量和终端运算、显示能力的基础上对其进行压缩。因此极大占用了传输网络资源,并且容易造成端到端时延长、包丢失、传输中断等问题,满足不了医学数据传输的QoS要求。
对于心电等波形信号的压缩算法,主要评判标准为压缩率(CR)和保真度。通常将均方根差值的百分比(PRD)作为保真度的重要标准。因此需要获得CR与PRD性能的折中。另外对于实时远程医疗系统,压缩算法的实时性也需要保证。
时域直接压缩算法的因其直接对数据进行处理,压缩率性能并不理想;而采用特征参量提取法及变换域方法进行压缩,通常能够获得比较理想的压缩率和保真度,但算法通常比较复杂,不利于在3G终端等资源有限的设备上实现,且实时性并不理想;变换域为近年来此领域的研究热点,由于ECG信号的为周期性,信号突变性等特性,使得能够进行多分辨率分析的小波变换更是其中的佼佼者。但同时需要指出,单纯利用小波变换和EZW、SPIHT等编码手段虽然能够获得较理想的CR与PRD性能,但同时也存在一些问题。例如SPIHT算法由于比特分配不理想,故需要三个集合列表来存储待编码量化的小波系数,内存空间利用率不高;同时由于所采纳的集合分类策略过于复杂,严重降低了编码速率。
另外,对于运算、内存、电池等资源有限的3G等移动终端来说,会造成很大的运算、内存及能量消耗等结果。
此外,很多压缩算法未考虑当前链路中传输速率的情况采用固定的CR,若链路状态好,则未充分利用链路获得更好的PRD性能;若链路状态差,则容易造成时延变长、甚至传输中断等情况出现。
发明内容
本发明解决的技术问题是:提供一种基于小波算法的心电信号传输方法及系统,克服现有技术中远程医疗信息传输过程中对传输数据不能保证其准确性,未考虑适应当前链路实时传输吞吐量和终端运算、显示能力。
本发明的技术方案是:提供一种基于小波算法的心电信号传输方法,包括如下步骤:
采集心电数据:采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据;
心电数据的变换:根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数;
心电数据的判别并传输:对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果符合信号要求则进行失真处理后以3G信号传输心电数据;
重建接收数据:3G终端接收传送的心电数据并进行重建。
本发明的进一步技术方案是:在心电数据的判别并传输步骤中,所述QRS波分为QRS波前、QRS波中、QRS波后三段。
本发明的进一步技术方案是:在心电数据的判别并传输步骤中,将解码后的嵌入零树小波与QRS波分段进行比较判别时,采用分段计算其PRD(PRD(percent root-mean-square difference,均方根差值的百分比,简称“PRD”)值,以PRD值的大小进行判别。
本发明的进一步技术方案是:在心电数据的判别并传输步骤中,在判别时,若PRD值小于或等于3%,则以3G信号传输心电数据;若PRD值大于3%,则在该段心电数据中加入下一级嵌入零树小波编码信号重建数据,然后再以3G信号传输心电数据。
本发明的进一步技术方案是:在心电数据的变换步骤中,所述软阈值方法为:获取3G移动终端的显示屏尺寸,根据预先设定好的ECG波形在显示屏上的显示比例,确定重建ECG波形的最终幅度A。
本发明的进一步技术方案是:在心电数据的变换步骤中,所述截断处理的方法为:将小波系数按其重要性进行排列,以重要性高的先传输的原则进行数据传输。
本发明的技术方案是:构建一种基于小波算法的心电信号传输系统,包括采集心电信号并转换传输心电信号的网关、进行心电信号变换并判别传输的远程信息服务单元、接收并重构心电信号的3G终端,所述网关采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据,所述远程信息服务单元包括进行心电数据变换的数据变换模块、心电数据的判别的判别模块、传输心电数据的传输模块,所述数据变换模块根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,再根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数,所述判别模块对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,所述传输模块根据比较判别结果,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果符合信号要求则进行失真处理后以3G信号传输心电数据。
本发明的进一步技术方案是:所述远程信息服务单元还包括从心电信号中识别QRS波并将QRS波分为QRS波前、QRS波中、QRS波后三段的QRS波处理模块。
本发明的进一步技术方案是:所述远程信息服务单元还包括对嵌入零树小波进行编码的编码模块及对嵌入零树小波进行解码的解码模块。
本发明的进一步技术方案是:所述网关包括将心电信号转换成HL7标准的数据和MFER标准的波形数据的数据转换模块。
本发明的技术效果是:本发明通对采集的心电信号进行处理,在传输过程中,通过将终端显示尺寸、链路实时传输速率和PRD性能作为自适应控制的参数,实现ECG信号的适应移动终端显示尺寸、链路实时传输速率、分段PRD性能优化的实时压缩。该方法在获得的高压缩率和可控保真度的基础上,量体裁衣,降低了3G终端重建波形的运算负担、节省了终端资源,充分利用了链路资源、缩短了传输时延,为实现实时监控提供了进一步保障。
附图说明
图1为本发明的流程图。
图2为本发明的详细流程图。
图3为本发明的结构示意图。
具体实施方式
下面结合具体实施例,对本发明技术方案进一步说明。
如图1所示,本发明的具体实施方式是:提供一种基于小波算法的心电信号传输方法,包括如下步骤:
步骤100:采集心电数据,即:采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据。具体过程如下:采集多个心电信号终端的心电数据,将采集的心电数据转换成HL7标准的数据和MFER标准的波形数据,然后通过HL7/MFER网关将HL7/MFER格式的数据传输到远程服务器。
步骤200:心电数据的变换,即:根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数。
如图2所示,具体过程如下:接收3G移动终端定时发送的终端显示尺寸和链路实时传输速率的参数;对ECG(Electrocardiogram,心电图,简称“ECG”)信号进行离散小波变换,并根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,然后对得到数据进行EZW (Embedded Zerotree Wavelet,嵌入零树小波,简称“EZW”)编码,并根据实时传输速率设定的速率等级控制编码后的数据比特数。
软阈值设置的设置过程如下:首先3G移动终端向远程信息服务器发送显示屏尺寸(M*N像素),远程信息服务器根据预先设定好的ECG波形在显示屏上的显示比例,确定重建ECG波形的最终幅度A。例如:假设原始ECG信号采样的幅度为k(bit),计算ECG波形幅度收缩比率为 ,即为根据此终端设定的软阈值;假设DWT后的小波系数为C,则经过软阈值判别后,系数变为。
截断处理具体过程如下:由于EZW算法为嵌入式编码算法,因此将系数按其重要性进行排列,最先传输重要性级别最高的系数与系数位置,随后传输级别次高的系数,以此类推进行数据传输。当接收到终端发送的实时链路情况数据时,根据此时能够传输的数据速率最大值m,到编码数据流中查找第m位所在的扫描编码级数L,设定传输的编码流最大级数为L-1,预留出因PRD不满足设定条件需要进行追加传输的数据流空间。
编码过程如下:选择阈值X判断小波系数是否为重要系数,定义初始阈值,将系数与阈值作比较,若系数绝对值大于阈值,则是重要系数,且符号为正,编为P;若符号为负,编为N;若系数绝对值小于阈值,则不是重要系数。此时再判断是否为零树的子孙系数,若是,则不编码;若不是,则判断其子孙系数中是否存在重要系数,若是,编为Z,若不是,编为T。第一次编码结束,还要记录重要系数的位置信息。将阈值、编码与位置信息作为一次扫描的结果。随后,令,进行下一次扫描,直到达到所需要传输的数据码速率。
步骤300:心电数据的判别并传输,即:对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果符合信号要求则进行失真处理后以3G信号传输心电数据。
如图2所示,具体过程如下:将得到的ECG波形进行EZW解码,对离散小波变换后得到的小波系数进行判别,识别QRS波的大致范围,并将ECG信号的一个心动周期分为QRS波前、QRS波中和QRS波后阶段。将解码后的ECG波形与得到QRS波的分段波形进行比较,计算分段PRD值。
计算分段PRD值的具体过程如下:根据小波系数进行判别,获得一心动周期T内的最高点,即R波峰值。将最高点前后0.1秒作为QRS波段,剩下分为QRS波前和QRS波后;则、、分别作如下定义:
将EZW解码后得到的分段波形与原始波形进行比较,计算PRD值。其中,PRD定义如下:
与分别代表原始与重建信号,PRD通过逐点与原始信号比较,获得重建信号的保真度。
在判别时,若PRD值小于或等于3%,即ECG信号有较高临床价值,则以3G信号传输心电数据;若PRD值大于3%,则在该段心电数据中加入下一级嵌入零树小波编码信号以减小重建数据的失真度,然后再以3G信号传输心电数据。
步骤400:重建接收数据,即:3G终端接收传送的心电数据并进行重建。
如图3所示,本发明的技术方案是:构建一种基于小波算法的心电信号传输系统,包括采集心电信号并转换传输心电信号的网关1、进行心电信号变换并判别传输的远程信息服务单元2、接收并重构心电信号的3G终端3,所述网关1采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据,所述远程信息服务单元2包括进行心电数据变换的数据变换模块21、心电数据的判别的判别模块22、传输心电数据的传输模块23,所述数据变换模块21根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,再根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数,所述判别模块22对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,所述传输模块23根据比较判别结果,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果符合信号要求则进行失真处理后以3G信号传输心电数据。
具体过程如下:网关1采集多个心电信号终端的心电数据,网关1中的数据转换模块(图中未示出)将采集的心电数据转换成HL7标准的数据和MFER标准的波形数据,然后通过HL7/MFER网关将HL7/MFER格式的数据传输到远程信息服务单元2。远程信息服务单元2接收3G移动终端定时发送的终端显示尺寸和链路实时传输速率的参数;所述数据变换模块21根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,再根据截断处理的小波系数对心电数据进行离散小波变换。所述远程信息服务单元2还包括对嵌入零树小波进行编码的编码模块及对嵌入零树小波进行解码的解码模块,编码模块对变换后心电数据进行嵌入零树小波编码,所述远程信息服务单元2根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数。解码模块将得到的ECG波形进行EZW解码,所述判别模块22对离散小波变换后得到的小波系数进行判别,所述远程信息服务单元2还包括QRS波处理模块(图中未示出),QRS波处理模块识别QRS波的大致范围,然后将ECG信号的一个心动周期分为QRS波前、QRS波中和QRS波后阶段。所述判别模块22将解码后的ECG波形与得到QRS波的分段波形进行比较,计算分段PRD值。所述判别模块22在判别时,若PRD值小于或等于3%,即ECG信号有较高临床价值,则以3G信号传输心电数据;若PRD值大于3%,则在该段心电数据中加入下一级嵌入零树小波编码信号以减小重建数据的失真度,然后再以3G信号传输心电数据。
本发明的技术效果是:本发明通对采集的心电信号进行处理,在传输过程中,通过将终端显示尺寸、链路实时传输速率和PRD性能作为自适应控制的参数,实现ECG信号的适应移动终端显示尺寸、链路实时传输速率、分段PRD性能优化的实时压缩。该方法在获得的高压缩率和可控保真度的基础上,量体裁衣,降低了3G终端重建波形的运算负担、节省了终端资源,充分利用了链路资源、缩短了传输时延,为实现实时监控提供了进一步保障。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (8)
1.一种基于小波算法的心电信号传输方法,包括如下步骤:
采集心电数据:采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据;
心电数据的变换:根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数,所述软阈值方法为:获取3G移动终端的显示屏尺寸,根据预先设定好的ECG波形在显示屏上的显示比例,确定重建ECG波形的最终幅度A;
心电数据的判别并传输:对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果不符合信号要求则进行失真处理后以3G信号传输心电数据;
重建接收数据:3G终端接收传送的心电数据并进行重建。
2.根据权利要求1所述基于小波算法的心电信号传输方法,其特征在于,在心电数据的判别并传输步骤中,所述QRS波分为QRS波前、QRS波中、QRS波后三段。
3.根据权利要求2所述基于小波算法的心电信号传输方法,其特征在于,在心电数据的判别并传输步骤中,将解码后的嵌入零树小波与QRS波分段进行比较判别时,采用分段计算其均方根差值的百分比,以均方根差值的百分比值的大小进行判别。
4.根据权利要求3所述基于小波算法的心电信号传输方法,其特征在于,在心电数据的判别并传输步骤中,在判别时,若均方根差值的百分比PRD值小于或等于3%,则以3G信号传输心电数据;若PRD值大于3%,则在该段心电数据中加入下一级嵌入零树小波编码信号重建数据,然后再以3G信号传输心电数据。
5.根据权利要求1所述基于小波算法的心电信号传输方法,其特征在于,在心电数据的变换步骤中,所述截断处理的方法为:将小波系数按其重要性进行排列,以重要性高的先传输的原则进行数据传输。
6.一种基于小波算法的心电信号传输系统,其特征在于,包括采集心电信号并转换传输心电信号的网关、进行心电信号变换并判别传输的远程信息服务单元、接收并重构心电信号的3G终端,所述网关采集心电信号并将其转换成HL7标准的数据和MFER标准的波形数据,所述远程信息服务单元包括进行心电数据变换的数据变换模块、心电数据判别的判别模块、传输心电数据的传输模块,所述数据变换模块根据终端显示尺寸参数设定小波系数处理的软阈值对小波系数进行截断处理,根据截断处理的小波系数对心电数据进行离散小波变换,然后对变换后心电数据进行嵌入零树小波编码,并根据实时传输速率设定的速率等级控制嵌入零树小波编码后的数据比特数,所述软阈值方法为:获取3G移动终端的显示屏尺寸,根据预先设定好的ECG波形在显示屏上的显示比例,确定重建ECG波形的最终幅度A,所述判别模块对嵌入零树小波编码的波形进行嵌入零树小波解码与心电信号中的QRS波分段进行比较判别,所述传输模块根据比较判别结果,若比较判别结果符合信号要求则以3G信号传输心电数据,若比较判别结果不符合信号要求则进行失真处理后以3G信号传输心电数据。
7.根据权利要求6所述基于小波算法的心电信号传输系统,其特征在于,所述远程信息服务单元还包括从心电信号中识别QRS波并将QRS波分为QRS波前、QRS波中、QRS波后三段的QRS波处理模块。
8.根据权利要求6所述基于小波算法的心电信号传输系统,其特征在于,所述网关包括将心电信号转换成HL7标准的数据和MFER标准的波形数据的数据转换模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110206698.9A CN102347944B (zh) | 2011-07-22 | 2011-07-22 | 基于小波算法的心电信号传输方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110206698.9A CN102347944B (zh) | 2011-07-22 | 2011-07-22 | 基于小波算法的心电信号传输方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102347944A CN102347944A (zh) | 2012-02-08 |
CN102347944B true CN102347944B (zh) | 2014-09-03 |
Family
ID=45546234
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110206698.9A Active CN102347944B (zh) | 2011-07-22 | 2011-07-22 | 基于小波算法的心电信号传输方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102347944B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104739509B (zh) * | 2013-12-31 | 2017-11-07 | 深圳迈瑞生物医疗电子股份有限公司 | 一种生理信号压缩方法、系统及医疗设备 |
CN105476624B (zh) * | 2015-12-22 | 2018-04-17 | 河北大学 | 心电信号压缩传输方法及其心电监护系统 |
CN109662689B (zh) * | 2019-03-07 | 2021-07-27 | 姜炜炜 | 一种医院基于心电图的健康预警系统 |
CN111091092A (zh) * | 2019-12-16 | 2020-05-01 | 桂林电子科技大学 | 一种基于优化卷积神经网络分类的数据增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 基于最优时频空间结构码的心电数据压缩方法和解码方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
WO2010076740A1 (en) * | 2008-12-30 | 2010-07-08 | Koninklijke Philips Electronics N.V. | A method and system for processing heart sound signals |
-
2011
- 2011-07-22 CN CN201110206698.9A patent/CN102347944B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101099669A (zh) * | 2007-07-13 | 2008-01-09 | 天津大学 | 基于最优时频空间结构码的心电数据压缩方法和解码方法 |
CN101268936A (zh) * | 2008-02-27 | 2008-09-24 | 天津大学 | 无线心电监护仪的心电压缩方法和解码方法 |
WO2010076740A1 (en) * | 2008-12-30 | 2010-07-08 | Koninklijke Philips Electronics N.V. | A method and system for processing heart sound signals |
Also Published As
Publication number | Publication date |
---|---|
CN102347944A (zh) | 2012-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102347944B (zh) | 基于小波算法的心电信号传输方法和系统 | |
CN102186076B (zh) | 一种实时码率预分配的图像压缩方法及图像压缩装置 | |
CN102186069B (zh) | 一种保持量测性能的遥感影像数据压缩方法 | |
Ruchika et al. | Compression of medical images using wavelet transforms | |
Chakraborty | Performance analysis of compression techniques for chronic wound image transmission under smartphone-enabled tele-wound network | |
CN101268936A (zh) | 无线心电监护仪的心电压缩方法和解码方法 | |
CN102176779B (zh) | 无线多媒体传感网视频信号自适应采样与频谱分配方法 | |
CN103974268B (zh) | 精细粒度可调的低延时传感器网络数据传输方法 | |
CN103152613A (zh) | 基于视频图像组分割的分布式转码任务调度系统及方法 | |
CN115987294B (zh) | 一种物联网的多维数据处理方法 | |
CN103796018B (zh) | 一种遥感影像实时压缩及渐进传输系统 | |
CN104092753B (zh) | 基于无线中继系统的物联网信息处理与融合方法及其系统 | |
CN101132529A (zh) | 基于快速逐次逼近量化的小波图像压缩方法 | |
Devaraj | Emerging paradigms in transform-based medical image compression for telemedicine environment | |
CN107371026A (zh) | 一种视频数据多重压缩及重构方法 | |
CN104244012B (zh) | 一种ct数据压缩方法 | |
CN103489312A (zh) | 一种基于图像压缩的交通流信息采集方法 | |
Razzak et al. | Collaborative image compression in wireless sensor networks | |
CN107027028A (zh) | 基于jnd的随机偏移量化多描述编码、解码的方法及系统 | |
Kadhum Idrees et al. | A new lossless electroencephalogram compression technique for fog computing‐based IoHT networks | |
Khosravi et al. | Modified data aggregation for aerial ViSAR sensor networks in transform domain | |
Sahu et al. | An innovative approach to integrate unequal protection-based steganography and progressive transmission of physiological data | |
Nakahara et al. | Edge computing-assisted DNN image recognition system with progressive image retransmission | |
Chouakri et al. | Run length encoding and wavelet transform based ECG compression algorithm for transmission via IEEE802. 11b WLAN channel | |
CN104320661A (zh) | 基于差分熵和结构相似性的图像编码质量预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |