论文部分内容阅读
心音信号是由于心脏瓣膜的开关、肌腱和肌肉的舒张收缩、血流的冲击及心血管壁振动而产生的一种复合音,心音中出现的心脏杂音包含着重要的诊断信息,尤其是对先天性心脏病的初级诊断具有分析价值。由于心音信号所包含的心脏生理病理信息复杂多变,目前对心音所作的分析研究,多数仅限于定性的特征描述,要得到定量的特征值并作为诊断的指标还需进一步的努力。本课题为“先天性心脏病心音识别与量化研究”,主要在临床先心病心音识别与定量分析研究方面作了一些研究工作。具体研究工作主要从以下几个方面展开:(1)熟悉心音听诊的基本信息,掌握心音信号的产生机理以及心音杂音与心脏疾病之间的关系;总结国内外心音研究现状,了解心音研究的发展,发现研究中的主要问题。(2)心音信号的采集与预处理:介绍了本文心音数据采集所用的数字听诊器和基于BIOPAC的四导心音采集系统,对系统的功能及主要参数指标做了详细的介绍。并对采集得到的心音数据进行了相应的预处理手段,以便于后期提取特征及分析。(3)心音识别系统研究:主要介绍了基于MFCC参数和LPMCC参数作为心音识别参数,采用基于VQ和DTW算法作为识别模型的心音解析系统,该系统较好地实现了正常心音与常见先天性心脏病心音的识别。(4)心音量化系统研究:本文针对临床常见先天性心脏病,提出了一种临床先心病缺损孔径定量分析方法,初步实现了临床心音量化分析的目标。其具体内容如下:1.几种临床常见的先心病的病理信息介绍,并根据实际的听诊知识,选择适合分析的采集部位的心音信号进行下一步的分析。2.心音信号的预处理。基于心音信号的时间连续性和短时平稳特性,本文对心音信号进行自适应小波阈值降噪后,进行了预加重、加窗分帧等一系列处理,以便于特征提取及分析。3.先心病心音信号识别系统。先心病心音识别系统分为特征提取和心音识别两个部分,特征提取阶段本文引入了语音识别参数MFCC及改进LPCC得到的LPMCC参数,在心音识别部分本文采用基于VQ和DTW的混合识别模型,取得了较好的识别效果。4.基于小波能谱熵的先心病缺损孔径大小量化研究。本文在小波分解重构的基础上,提出不同频带下的小波能谱熵,并与缺损孔径大小做相关分析比较,从而初步提取了表征常见先心病的心音缺损孔径大小的定量评价方法。综上所述:本文对临床先天性心脏病心音的识别及量化系统进行了研究,并利用临床心音数据进行了验证,实验证明:该识别系统能较好的识别正常心音及常见先心病心音,基于小波能谱熵的量化方法也能较好地表征先心病缺损孔径大小。