论文部分内容阅读
心血管疾病是严重威胁人类健康的循环系统的疾病,心音信号是一种可以反映早期心脏病变的重要生理信号,尤其对瓣膜疾病的临床前诊断有着重要作用,对其的研究和分析受到越来越多学者的关注。临床上使用听诊器拾取心音,通过医生的听觉系统被感知,依靠医生的经验做出诊断,容易受到主观因素的影响。在科研中常使用传感器摄取,借助放大电路等对心音信号进行调理,形成振动波形式的心音图,客观可见,便于保存,有助于进行深入分析心脏的生理状态。心脏正常的收缩舒张产生正常心音,对其进行研究,可以获得心率、明确心动周期,有利于对心脏的正常生理机能做出判断。心脏器质性病变等会产生心杂音。心杂音情况复杂,频率多变,振幅不一。传统的心音听诊难以准确区分心杂音和正常心音,心杂音混合在正常心音中,既干扰了对正常心音的分析,又不利于判断心脏病变。本文设计了一种基于LabView的时序同步双传感器系统,一传感器放置于心杂音的主要听诊区,获取包含心杂音成分的信息,另外一个传感器置于远离心杂音传导通路的心脏听诊区以降低杂音对正常心音的干扰,同步采集正常心音和心杂音权重不同的两路信号,作为两道参考信号输入盲分离算法网络,利用盲分析算法分离正常心音和心杂音,在此基础上对二者特征做单独分析。在源信号未知的情况下,盲分离技术可以解决从观测到的混迭信号中分离出源信号的问题,是信号处理领域研究的热点内容。本文首次将其应用于心音和心杂音的分离处理中。将正常心音形成系统作为一个振动源,而病理性心杂音产生的振动作为单独声源,在体表得到的心音图可以看做是两个源信号经心胸传导系统混叠之后的信号。以中心极限理论为主要依据,以峭度作为分离结果非高斯性质的衡量,采用梯度算法寻求最优解,对多例瓣膜病变信号进行了盲分离处理,重新构建心音的正常部分和杂音部分,并重点分析了二尖瓣狭窄和关闭不全两种病变导致的不同杂音,得到的时频特性可以很好的解释产生病变的原因,为实现瓣膜疾病的数字化诊断提供依据。