一、J波与J波综合征（论文文献综述）
沈松萃,巨鹏亮,张嘉源,周健伟,陈力秀,潘艺超,李文昭,傅文霞,李若谷[1]（2021）在《J波与胸部肿瘤接触心脏的相关性研究》文中研究说明目的探讨心电图J波现象与胸部肿瘤接触心脏的相关性。方法回顾上海市胸科医院自2016年8月至2019年12月诊断纵隔肿瘤、食管肿瘤及肺部肿瘤的患者共277例,分为左肺肿瘤组、右肺肿瘤组和纵隔窗肿瘤组。观察各组病例12导联心电图与胸部CT影像,分析心电图J波现象与胸部肿瘤接触心脏的相关性。结果在所有的277例样本中,J波共107例（107/277,38.6%）。J波与胸部肿瘤接触心脏有显着相关性（P<0.000 1,χ2=97.48）,对预测后者的敏感性和特异性分别为71.7%和86.6%。其中,纵隔窗肿瘤组J波预测肿瘤接触心脏的敏感性（81.3%）和右肺肿瘤组J波预测肿瘤接触心脏的特异性（91.9%）最高。结论心电图J波与胸部肿瘤接触心脏有密切关联,同时对预测后者有较高的敏感性和特异性。
阚学航[2]（2020）在《关于扩张型心肌病合并J波患者的临床特征的研究》文中研究表明目的探究扩张型心肌病（Dilated cardiomyopathy,DCM）心电图有J波的患者是否有一定的人群特征,同时探究J波特点以及和室性快速型心律失常（Ventricular tachyarrhythmias,VTAs）之间的关系。方法收集2014年5月到2019年8月于重庆医科大学附属第一医院心血管内科住院治疗的DCM患者的心电图,以心电图有J波的患者作为研究组,共44例,按1:2的比例随机选取88例心电图不伴有J波的DCM患者作为对照组,收集上述病人的临床资料进行回顾性研究。结果与DCM未合并J波患者相比,DCM合并J波与年龄、体重指数（Body Mass Index,BMI）、性别、吸烟史、饮酒史、晕厥病史、发病年限、确诊时间、心功能分级、B型利钠肽（B-type Natriuretic Peptide,BNP）、血钾、血钙、体温、射血分数、左房前后径、左室舒张末内径、右房横径、右室前后径等因素无明显相关性（P均>0.05）,在关于J波的亚组分析中证实是否合并VTAs与J波导联分布有显着性差异（P=0.016）,而是否合并VTAs与J波导联位置（前壁、下壁、侧壁）、J波形态（顿挫、切迹、抬高）无显着性差异。结论与DCM未合并J波患者相比,DCM合并J波患者无明显的人群特征,但亚组分析显示J波分布于多导联更易合并VTAs,提示多导联J波可作为VTAs的预测指标。
迪丽努尔·买买提江,买力旦木·艾克拜[3]（2020）在《J波综合征常见的临床病因》文中研究指明在心血管恶性事件发生率不断增加的今天,J波综合征一直是研究的热点,正确认识J波综合征的临床病因,对心血管疾病的诊断及干预具有重要意义。关于J波综合征常见临床病因的研究正逐年增多,形成了丰富的研究成果。本文通过对当前文献研究,对J波综合征常见临床病因的研究进展进行了综述。
严霞[4]（2019）在《ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征研究》文中提出目的研究ST段抬高型急性心肌梗死（STEMI）伴J波综合征患者的心电图特征。方法纳入2017年1月-2019年1月本院收治的71例STEMI并J波综合征患者,对其心电图进行观察,了解J波形态、出现及消失时间、出现最明显的部位、心律失常类型。结果 5例（7.04%）出现明显J波;58例（81.69%）下壁受累,13例（18.31%）所有前壁受累;未出现J波合并病理性Q波与T波倒置的情况;病发后（3.89±2.51）h J波出现,（26.69±17.81）h后J波消失。结论 STEMI伴J波综合征可能仅于心梗超急性期出现,而J波形态具有多变性,常累及下壁,且发生室性心律失常的几率高。
王艳丽[5]（2019）在《ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征探讨》文中认为目的:探究分析ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征。方法:择取2017年8月～2018年9月某院收治的ST段抬高型急性心肌梗死合并J波综合征的患者60例为观察组,展开对J波的观察,判断其具体形态、位置、出现与消失的时间,对该类患者的心电图特征进行分析,再择取无J波综合征的ST段抬高型急性心肌梗死患者60例为对照组,比较心电图参数。结果:所择取的60例患者中,存在明显J波患者3例,占5%,JT部分融合J波能实现分辨者9例,占15%,完全融合且J波不可分辨76.67%,下壁受累48例,占80%,前壁受累16.67%,没有J波伴病理性Q波J波伴T波倒置者。再对J波出现和消失时间进行分析,分别为（3.88±2.42） h与（26.58±14.21） h。再与无J波综合征的对照者比较,发现组间QTmax（2导联心电图QT期间的最大值）与QTmin（12导联心电图QT期间的最小值）没有显着差异（P>0.05）,但观察组的QTd （离散度）明显大于对照组（P<0.05）。结论:ST段抬高型急性心肌梗死合并J波综合征主要出现在心肌梗死的超急期,心电图特征为J波形态多变,且患者易出现下壁受累。
王宏[6]（2018）在《基于多特征融合的J波分类方法研究》文中研究表明J波是心电图中QRS波群结束与ST段开始交叉点附近产生的顿挫状波形。临床医学显示J波变异常会引发心律失常、心源性猝死等心血管疾病而威胁人类生命。因此采用技术手段提高J波疾病的诊断效率,降低J波相关疾病的致死率具有重要研究意义。针对以上问题,本文应用机器学习技术实现J波信号的自动分类。研究的主要内容包括:（1）提出时频域多尺度递归分析的J波检测方法,实现心电信号中J波心拍的高精度识别。从合作医院获取相关数据并完成数据库的构建、预处理等操作后,本文使用调Q小波变换实现信号的时频域多尺度分解,应用动力学递归分析方法提取代表分解系数相似性的定量特征,在结合t检验、序列浮动前向选择算法完成特征筛选后,将保留特征输入细菌觅食优化算法优化的最小二乘支持向量机分类器,实现对正常心拍和J波心拍的高效识别。（2）提出采用多层分类器与多角度特征融合的J波分类方法,在完成J波识别的基础上,实现J波良、恶性的区分。该方法从时域、频域、时频域三个分析空间分别获取不同的特征,提高信号表达的丰富性、全面性。这些特征经特征优化、系数加权完成特征融合,组成最终分类特征集后,输入至由最小二乘支持向量机构成的二层分类构架中,在第一层分类器实现J波预检测功能,在第二层分类器完成第一层J波子类即良性J波与恶性J波的细分。实验证明,本文提出算法在实现J波心拍预检测时,获得了97.2%的平均准确度。并且,在后续J波良性与恶性的细分上获得的平均分类性能也达到了80%以上。由此,本文算法能作为一种有效的J波辅助分类工具,可以在一定程度上为临床医学J波相关疾病的诊断提供一定帮助。
牛慧颖[7]（2018）在《基于特征优化的J波识别技术研究》文中研究指明J波是心电图上QRS波与ST段相交处由电位的异常变化而形成的驼峰形、顿挫形或尖峰状波形。J波的出现往往预示着恶性心律失常或其他严重的心血管疾病,已成为致残或致死的重要引导因素。目前对J波相关疾病的诊断主要依靠医生的临床经验,容易导致漏检或误判。因此设计一种能够准确快速地检测J波的分类模型,为临床诊断提供可靠的依据,对于减小这些疾病的致死率等方面,具有重要的研究意义。本文从信号处理角度出发,基于特征优化的思想,提出了J波识别优化算法,主要研究内容如下:（1）提出基于特征选择的J波识别优化算法。在该算法中,首先对建立的数据库信号进行预处理,即去噪与特征点检测之后,分别从时域与时频域角度对信号进行特征提取,获取时域的形态学特征、时频域的小波包分解特征以及基于小波包分解的统计特征构成特征集;其次,使用遗传算法对所提取的特征进行选择,从而确定主要特征并消除其中的冗余特征,以促进具有最佳J波识别性能的模型的建立;然后,通过特征的相关性计算,辅助证明特征之间的相互独立性。最后利用选择后的特征对支持向量机进行训练,进行算法有效性验证。（2）提出基于遗传算法与主成分分析相结合的J波识别优化算法。在基于特征选择的J波模型建立的基础上,选择出的特征中的高维特征会使J波识别模型的复杂度提高而且有可能会产生维数灾难。因此进一步利用主成分分析技术对高维累积量特征进行降维,充分降低模型复杂度,简化计算量,达到提高分类精度与效率的目的。通过仿真,本文提出的基于特征优化的J波检测方法可以达到97.5%的准确率、96.9%的敏感度、98.4%的特异性以及98.9%的阳性预测值,分类性能明显高于其他算法。同时,本文方法利用优化后特征对信号进行分类检测时,分类时间可以缩减到2.3s,达到更高的分类效率。
徐航,冯小梅[8]（2018）在《ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征》文中指出目的:探讨ST段抬高型急性心肌梗死（STEMI）并发J波综合征患者的心电图特征及意义。方法:从我院收治的STEMI患者中筛选出300例作为研究对象,其中出现J波综合征的有59例（J波综合征组）,未出现J波综合征的有241例（无J波综合征组）。J波综合征组又根据存活情况分为死亡组（12例）和存活组（47例）。测量患者入院第一次所做的12导联心电图每个导联的QT间期,找出其QT间期的最小值及最大值,并计算其离散度（QTd）。记录两组患者出现室性心律失常、死亡及梗死部位等情况。结果:J波综合征组QTd明显大于无J波综合征组[（52±25）ms比（47±22）ms,P=0.003]。与无J波综合征组比较,J波综合征组发生室性心律失常（16.6%比30.5%）、死亡率（6.6%比20.3%）、前壁心梗（44.8%比76.3%）发生率明显升高。在J波综合征组中,与存活组比较,死亡组QT间期最小值明显减小[（363±33）ms比（319±31）ms],QTd[（45±22）ms比（80±22）ms]值明显增大（P<0.05或<0.01）。结论:ST段抬高型急性心肌梗死并发J波综合征的原因可能与QTd增大有关,并发J波综合征将会导致严重心律失常、死亡的风险增加。
宋焕秋,刘元生[9]（2017）在《J波综合征发生机制的研究进展》文中提出目的 J波综合征是引起自发性室颤导致心脏性猝死的一个重要原因。虽然J波综合征有多种表型,但其发生机制与心电图表现具有相似性。J波是动作电位1相复极的结果,主要由Ito介导的瞬时外向钾电流产生。由于心内膜与心外膜Ito通道密度不同,构成了J波产生的生理基础。除了Ito外,其它离子通道如INa、Ica、Ik也参与J波的形成,这提示任何一种离子通道异常都可产生J波。其中,最常见的离子通道病变是基因突变。已有大量实验表明J波综合征与多种离子通道基因突变相关,如SCN5A、CACNA1C、CACNB2、SCNIB、KCNE3。这些突变的离子通道影响心外膜复极,产生2相折返而引发室颤。因此,充分了解J波综合征的发生机制,有助于临床诊断和治疗,降低死亡率。
王欣[10]（2017）在《基于多特征识别的J波检测技术研究》文中研究表明J波在心电图中表现为QRS波群末端的驼峰形、顿挫形或尖峰状波形,其预示着恶性心率失常、心脏性猝死等心血管疾病的发生,可作为一些心脏疾病的预测指标。因此,需要一种高效准确的J波检测技术,为临床诊断J波相关疾病提供重要依据。本文提出两种J波检测方法,具体方法如下:第一种方法是基于时频域特征和自适应特征选择的J波检测方法。在对心电数据进行预处理后,从时频域角度对正常心电数据和含J波心电数据提取三组特征,包括形态学特征、基于本征模函数的统计特征以及基于希尔伯特黄变换的统计特征。提出一种基于区分度的特征选择方法,对提取的特征集进行降维择优处理。用特征选择后的特征集训练支持向量机,通过粒子群算法优化其参数,最后用该分类模型对待测数据进行预测识别。第二种方法是基于混合特征提取的J波检测方法。对两种类型的心电数据分别提取时域上的R+75及其统计特征、频域上的DCT特征、两种非线性高阶统计特征。通过线性判别分析分别对两种非线性特征进行降维处理。对时域、频域以及降维后的非线性特征进行特征融合,使用PNN分类模型进行分类识别,对其影响因子进行数据分析确定最佳值。实验结果表明,本文提出的两种方法对J波的识别率均较高,平均准确度分别达到94.5%和95.0%,可以较为准确地从心电数据中检测出J波。
二、J波与J波综合征（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、J波与J波综合征（论文提纲范文）
（2）关于扩张型心肌病合并J波患者的临床特征的研究（论文提纲范文）
| 英汉缩略语名词对照 |
| 中文摘要 |
| 英文摘要 |
| 前言 |
| 1 对象及方法 |
| 1.1 病例来源 |
| 1.2 纳入及排除标准 |
| 1.3 记录内容 |
| 1.4 统计学分析 |
| 2 结果 |
| 2.1 一般资料 |
| 2.2 DCM合并J波的危险因素分析 |
| 2.3 J波组亚组分析 |
| 3 讨论 |
| 4 结论 |
| 参考文献 |
| 附图 |
| 文献综述:J波综合征 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果及发表的学术论文目录 |
（3）J波综合征常见的临床病因（论文提纲范文）
| 1 遗传性J波综合征 |
| 2 获得性J波综合征 |
| 3 低温性J波综合征 |
（4）ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征研究（论文提纲范文）
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 纳入及排除标准 |
| 1.3 方法 |
| 1.4 统计学方法 |
| 2 结果 |
| 2.1 J波形态分析 |
| 2.2 急性心梗部位与J波形态之间的关联 |
| 2.3 心梗心电图分期与J波之间的关系 |
| 2.4 并发症分析 |
| 3 讨论 |
（6）基于多特征融合的J波分类方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 J波的研究现状 |
| 1.3 机器学习技术的发展及现状 |
| 1.4 本文的研究内容和章节安排 |
| 第二章 J波及机器学习应用于J波分类的研究基础 |
| 2.1 J波概述 |
| 2.1.1 J波的特点 |
| 2.1.2 J波综合征 |
| 2.1.3 J波的分类 |
| 2.2 机器学习系统的组成 |
| 2.3 特征提取 |
| 2.4 特征优化 |
| 2.5 分类器决策 |
| 2.6 本章小结 |
| 第三章 分类数据集的构建及预处理 |
| 3.1 构建心电数据库 |
| 3.2 心电信号预处理 |
| 3.2.1 噪声去除 |
| 3.2.2 R基准点检测 |
| 3.2.3 心拍分段 |
| 3.3 训练集与测试集划分 |
| 3.4 本章小结 |
| 第四章 基于多尺度递归分析的J波检测 |
| 4.1 递归图与递归定量分析 |
| 4.1.1 相空间重构 |
| 4.1.2 递归图 |
| 4.1.3 递归定量分析 |
| 4.2 基于调Q小波变换的递归定量特征提取 |
| 4.2.1 调Q小波变换 |
| 4.2.2 多尺度递归定量特征提取 |
| 4.3 基于t检验的递归定量特征约简 |
| 4.4 基于最小二乘支持向量机的J波检测识别 |
| 4.4.1 最小二乘支持向量机理论 |
| 4.4.2 细菌觅食优化算法实现分类器参数优化 |
| 4.5 算法仿真分析 |
| 4.5.1 评价指标 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 基于多特征融合的J波分类方法研究 |
| 5.1 信号的多角度特征提取 |
| 5.1.1 时域特征 |
| 5.1.2 频域特征 |
| 5.1.3 时频域特征 |
| 5.2 多特征融合技术 |
| 5.2.1 局部线性嵌入实现三阶累积量降维 |
| 5.2.2 特征的加权融合 |
| 5.3 基于LS-SVM的J波多层分类算法 |
| 5.3.1 SVM实现多分类的常用方法 |
| 5.3.2 基于LS-SVM的J波多层分类模型 |
| 5.4 算法仿真分析 |
| 5.4.1 J波检测结果分析 |
| 5.4.2 与其他J波检测算法的比较 |
| 5.4.3 良性J波与恶性J波的分类实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 下一步工作及前景展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间学术成果及参与项目 |
（7）基于特征优化的J波识别技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 J波信号的研究现状 |
| 1.3 特征优化的研究现状与发展趋势 |
| 1.4 本文的主要工作和章节安排 |
| 第二章 J波识别的相关理论 |
| 2.1 ECG介绍 |
| 2.2 J波介绍 |
| 2.2.1 J波的特征 |
| 2.2.2 J波分类 |
| 2.2.3 J波综合征 |
| 2.3 模式识别系统组成 |
| 2.3.1 特征提取 |
| 2.3.2 特征优化 |
| 2.3.3 分类识别 |
| 2.4 本章小结 |
| 第三章 心电数据集的构建及预处理 |
| 3.1 心电数据集的构建 |
| 3.2 心电数据去噪 |
| 3.3 心电信号特征点检测 |
| 3.4 实验仿真 |
| 3.5 本章小结 |
| 第四章 基于遗传算法的特征优化算法 |
| 4.1 小波包分解相关理论 |
| 4.2 遗传算法基本理论 |
| 4.3 支持向量机基础理论 |
| 4.4 特征向量的提取 |
| 4.4.1 时域特征提取 |
| 4.4.2 小波包分解特征提取 |
| 4.4.3 基于WPD的统计特征提取 |
| 4.4.4 特征标准化 |
| 4.5 基于遗传算法的特征选择算法 |
| 4.5.1 染色体结构设计与搜索策略 |
| 4.5.2 定义适应度函数 |
| 4.5.3 GA优化过程 |
| 4.5.4 统计分析和主要特征选择 |
| 4.6 实验仿真 |
| 4.6.1 分类性能评价 |
| 4.6.2 结果分析 |
| 4.7 本章小结 |
| 第五章 基于主成分分析的特征优化J波识别算法 |
| 5.1 主成分分析介绍 |
| 5.2 基于遗传算法与主成分分析相结合的特征优化 |
| 5.3 算法仿真与评价 |
| 5.3.1 确定主成分个数 |
| 5.3.2 不同特征对比分析 |
| 5.3.3 不同分类方法对比分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 不足之处 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间学术成果及参与项目 |
（8）ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征（论文提纲范文）
| 1 资料与方法 |
| 1.1 一般资料 |
| 1.2 方法 |
| 1.3 统计学处理 |
| 2 结果 |
| 2.1 两组心电图参数特点比较 |
| 2.2 J波综合征组中死亡组与存活组患者心电图参数比较 |
| 2.3 两组发生室性心律失常、临床死亡、心肌梗死部位比较 |
| 3 讨论 |
| 3.1 J波综合征的形成的原因及特征 |
| 3.2 QTd与患者并发J波综合征及死亡的关系 |
| 3.3 并发J波综合症发生室性心律失常、临床死亡、心肌梗死部位的关系 |
（9）J波综合征发生机制的研究进展（论文提纲范文）
| 一、J波综合征的离子通道机制 |
| 1. J波综合征与瞬时外向钾通道(Ito): |
| 2.2相折返机制引发室颤: |
| 二、J波综合征相关基因突变 |
| 1. Brudaga综合征心电图特点及突变基因: |
| 2. 早复极综合征心电图特点及突变基因: |
| 三、获得性J波综合征 |
| 四、总结 |
（10）基于多特征识别的J波检测技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号列表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 J波的研究概况 |
| 1.3 模式识别技术的研究现状及意义 |
| 1.4 本文的研究内容和章节安排 |
| 第二章 J波及模式识别方法的相关理论 |
| 2.1 J波简介 |
| 2.1.1 J波的特征及类型 |
| 2.1.2 J波综合征 |
| 2.2 模式识别系统组成 |
| 2.3 特征提取 |
| 2.4 特征选择 |
| 2.5 分类算法 |
| 2.6 本章小结 |
| 第三章 心电数据集的构建及预处理 |
| 3.1 构建心电数据集 |
| 3.2 去噪处理 |
| 3.3 特征点检测 |
| 3.3.1 特征点检测简述 |
| 3.3.2 检测QRS波群及T波 |
| 3.4 本章小结 |
| 第四章 基于时频域特征和自适应特征选择的J波检测方法 |
| 4.1 经验模态分解基本理论 |
| 4.2 时频域特征提取 |
| 4.2.1 形态学特征提取 |
| 4.2.2 基于IMF的特征提取 |
| 4.2.3 基于HHT的特征提取 |
| 4.2.4 特征归一化 |
| 4.3 基于区分度的自适应特征选择 |
| 4.4 基于支持向量机和粒子群优化的J波检测算法 |
| 4.4.1 支持向量机理论 |
| 4.4.2 粒子群优化算法 |
| 4.4.3 分类识别及参数优化 |
| 4.5 算法仿真分析 |
| 4.5.1 分类性能评价指标 |
| 4.5.2 结果分析 |
| 4.6 本章小结 |
| 第五章 基于混合特征提取的J波检测方法 |
| 5.1 混合特征提取 |
| 5.1.1 时域特征提取 |
| 5.1.2 频域特征提取 |
| 5.1.3 非线性特征提取 |
| 5.2 基于LDA的特征选择 |
| 5.3 基于概率神经网络的J波检测 |
| 5.3.1 概率神经网络基本理论 |
| 5.3.2 基于PNN的J波检测 |
| 5.4 算法仿真分析 |
| 5.4.1 结果分析 |
| 5.4.2 PNN影响因子分析 |
| 5.4.3 与其他算法比较 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间学术成果及参与项目 |
四、J波与J波综合征（论文参考文献）
- [1]J波与胸部肿瘤接触心脏的相关性研究[J]. 沈松萃,巨鹏亮,张嘉源,周健伟,陈力秀,潘艺超,李文昭,傅文霞,李若谷. 中华心律失常学杂志, 2021(03)
- [2]关于扩张型心肌病合并J波患者的临床特征的研究[D]. 阚学航. 重庆医科大学, 2020(12)
- [3]J波综合征常见的临床病因[J]. 迪丽努尔·买买提江,买力旦木·艾克拜. 心理月刊, 2020(04)
- [4]ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征研究[J]. 严霞. 心电图杂志(电子版), 2019(02)
- [5]ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征探讨[J]. 王艳丽. 中国医疗器械信息, 2019(03)
- [6]基于多特征融合的J波分类方法研究[D]. 王宏. 太原理工大学, 2018(10)
- [7]基于特征优化的J波识别技术研究[D]. 牛慧颖. 太原理工大学, 2018(09)
- [8]ST段抬高型急性心肌梗死合并J波综合征患者的心电图特征[J]. 徐航,冯小梅. 心血管康复医学杂志, 2018(02)
- [9]J波综合征发生机制的研究进展[J]. 宋焕秋,刘元生. 中华心脏与心律电子杂志, 2017(02)
- [10]基于多特征识别的J波检测技术研究[D]. 王欣. 太原理工大学, 2017(01)