论文部分内容阅读
病理性附加肺音属于非周期性的瞬变信号,对病理性附加肺音进行即时识别和有效分析,是监控呼吸系统病情和不断改进治疗方法的十分必要的手段。病理性附加肺音的产生原因复杂、产生部位各异、采集方式方法不统一,其分析和识别比心音研究更加困难。目前对肺音的分析多利用时频分析和各种数值分析的方法进行研究探索,这些对不同种类的肺音自动分类的方法由于缺少提供给临床医生的直观依据和样本数偏少,还很难得到临床的认可和推广。本文提出了一种病理性附加肺音可视化识别的方法,能够提供给临床医生直观分类依据并有效识别典型肺音,本文围绕这一方法进行了如下的研究工作:(1)提出了典型的病理性附加肺音的一种频谱图像模型,并根据这一模型设计出新的病理性附加肺音识别方法。新模型与方法具有如下创新之处,首先,对于水泡音(也称湿啰音)和喘鸣音(也称干啰音)这两种国际上的典型病理性附加肺音分类,现有研究仅有谱图描述,而没有对谱图特征的分析,新模型则分别给出了这两种肺音的谱图特征表现,为可视化识别这两种肺音给出了图像判断依据。其次,新模型统一了这两种典型病理性附加肺音的谱图特征,给出了统一的数学模型和特征计算方法,将不同的肺音用不同的数值特征进行区别,为建立统一的病理性附加肺音可视化识别方法奠定了数值分析基础。(2)依据病理性附加肺音的统一频谱图像模型,提出了水泡音可视化识别方法。提出了基于STFT变换的VC-STFT算法、基于小波变换的VCWT算法和基于S变换的VCST算法,设计了具体的算法并进行了算法数据分析。通过实验分析验证了水泡音可视化识别方法的有效性。(3)依据病理性附加肺音的统一频谱图像模型,提出了喘鸣音可视化识别方法。提出了基于STFT的VW-STFT算法、基于Hough变换的VWHT算法、基于小波变换的VWWT算法和基于S变换的VWST算法,设计了具体的算法并进行了算法数据分析,对各种算法的准确率和特点进行了分析。通过实验分析验证了喘鸣音可视化识别方法的有效性。(4)依据病理性附加肺音的融合频谱图像模型,提出了融合计算的方法来实现对病理性附加肺音的可视化识别,提出并实现了 VLFR肺音可视化融合识别算法。通过实验和算法的数据分析验证了这一方法的有效性和优势。(5)对临床采集和国际上共享的肺音数据提出了统一处理的标准化方法,将临床采集和互联网上公开的肺音数据按照这一方法进行了统一处理并纳入本文的实验肺音库。这一方法为不同采集方式和来源的肺音利用同样的算法进行处理提供了数据基础。基于这项工作,才能提出上述典型病理性附加肺音的谱图特征模型。