針對心音信號非平穩性、非線性的特征，為了更直觀地把心音信號的特征顯示出來，提高分類識別的高效性，提出了一種自適應噪聲完備經驗模態分解（CEEMDAN）排列熵作為心音信號的特征向量，通過支持向量機（SVM）進行心音分類識別的方法。首先，將原始心音信號進行CEEMDAN，得到若干從高頻到低頻的模態分量（IMF）。其次，利用IMF分量與原始信號的相關系數、能量因子和信噪比來優選IMF做Hilbert變換，得到分量信號的瞬時頻率，再計算各IMF排列熵值組成特征向量。最后，將特征向量輸入SVM二分類器進行正常與異常心音信號的分類識別。對源自2016年PhysioNet/CinC挑戰賽的100例心音樣本進行正常與異常的分類，準確度達到87%。研究表明本文方法相比于常用的EMD和EEMD排列熵的方法準確度提高了18%～24%，可見，CEEMDAN排列熵結合SVM的方法能夠有效識別正常和異常心音。
模擬人體生物肺是醫務人員掌握和練習新型肺部介入診療器械的重要途徑之一，在正壓通氣模式下其通氣效果研究對臨床通氣治療有著指導作用。為解決模擬人體生物肺在正壓通氣模式下參數配置復雜、氣壓和氣流波形呈現緩慢等缺點，本文以模擬人體生物肺為研究對象，建立電學仿真通氣模型。在壓力調節容積控制（PRVC）正壓通氣模式下，進行仿真通氣實驗，將仿真所獲取的通氣波形與正常成人的通氣波形進行比較分析。實驗結果表明，在PRVC正壓通氣模式下，主要參考指標潮氣量值的平均誤差為9.8%，能有效模擬正常成人的通氣效果。可見，所建立的電學仿真通氣模型具有可行性，為模擬人體生物肺正壓通氣實驗平臺的進一步研究提供了條件。