首页--医药、卫生论文--临床医学论文--诊断学论文--物理诊断学(体检诊断)论文

基于智能终端的生命体征测量技术研究与实现

摘要第4-5页
Abstract第5-6页
主要符号对照表第9-10页
第1章 绪论第10-14页
    1.1 课题背景和研究意义第10-11页
    1.2 研究现状和发展趋势第11-13页
    1.3 本文的写作结构安排第13-14页
第2章 基于智能终端的生命体征测量原理第14-22页
    2.1 指端近视频信号和血液动力学理论第14-17页
        2.1.1 智能终端采集的指端近视频第14-15页
        2.1.2 Lambert-Beer定律第15-16页
        2.1.3 血流动力学与人体生命体征测量第16-17页
    2.2 基于智能终端近视频的人体生命体征计算原理第17-20页
        2.2.1 心率的检测原理和心率变异性分析第17-18页
        2.2.2 呼吸率的检测原理第18-19页
        2.2.3 动脉的收缩压和舒张压第19-20页
    2.3 基于智能终端测量方法的优势和发展方向第20-21页
    2.4 本章小结第21-22页
第3章 指端近视频信号处理算法研究第22-35页
    3.1 指端近视频信号特性分析第22-23页
    3.2 信号的增强与降噪第23-29页
        3.2.1 自适应的ROI选取方法第23-26页
        3.2.2 卡尔曼滤波器设计第26-28页
        3.2.3 信号的基线漂移去除算法设计第28-29页
    3.3 指端检测算法设计第29-30页
        3.3.1 R分量均值计算模块介绍第29-30页
        3.3.2 基于R分量的手指检测算法第30页
    3.4 有效信号检测算法设计第30-34页
        3.4.1 FSM的引入第31-32页
        3.4.2 基于米利FSM的信号状态检测算法第32-34页
    3.5 本章小结第34-35页
第4章 智能终端近视频信号特征提取算法设计第35-47页
    4.1 基于差商阈值法的PV检测算法第35-39页
        4.1.1 差商阈值法第35-37页
        4.1.2 自适应的阈值选取算法设计第37-38页
        4.1.3 算法效果分析第38-39页
    4.2 基于极大似然估计的奇异信号定位算法第39-42页
        4.2.1 极大似然估计法的引入第39-41页
        4.2.2 奇异信号检测效果分析第41-42页
    4.3 基于EMD的信号分解算法第42-44页
        4.3.1 经验模态分解法的引入第42-43页
        4.3.2 呼吸信号的分解与重构第43-44页
    4.4 基于梯形面积公式的近视频特征曲线积分计算第44-45页
    4.5 本章小结第45-47页
第5章 应用设计与实验数据分析第47-66页
    5.1 应用平台介绍与选择第47-50页
        5.1.1 硬件平台第47-49页
        5.1.2 软件平台第49-50页
    5.2 应用系统设计第50-53页
        5.2.1 SDK设计概述第50页
        5.2.2 实验应用设计第50-52页
        5.2.3 测量应用实现效果第52-53页
    5.3 实验及测量数据分析第53-65页
        5.3.1 心率及心率变异性检测第53-60页
        5.3.2 呼吸率检测第60-63页
        5.3.3 收缩压和舒张压第63-65页
    5.4 本章小结第65-66页
第6章 总结与展望第66-69页
    6.1 论文工作总结第66-67页
    6.2 下一步研究计划第67-69页
参考文献第69-72页
致谢第72-73页
附录A 攻读硕士学位期间的科研成果与参与的科研项目第73页
    【攻读硕士学位期间的科研成果】第73页
    【攻读硕士学位期间参加的科研项目】第73页

论文共73页,点击 下载论文
上一篇:关于民间泥塑河南浚县“泥咕咕”的造型规律研究
下一篇:雕塑创作中的形体控制与情感表达