心音信号特征分析与识别算法的研究

论文摘要

心音信号是人体最重要的生理信号之一,对诊断心血管疾病都具有重要的参考意义。但由于心音自身的复杂性和非平稳性,心音信号识别效果依然不理想,已经成为心音广泛应用于临床的障碍之一。本文首先介绍心音信号的生理学基础,然后分析心音信号的特征,在此基础上进行心音信号的识别,提取心脏疾病辅助诊断指标,最后设计心音数据库并开发心音分析和识别的软件系统。心音信号特征分析分别从时域、频域和时-频域联合进行研究,对心音信号和心杂音信号进行了Welch功率谱估计和离散短时傅里叶变换。研究表明正常心音成分和杂音成分的频率区间不同,为从频率的角度分离杂音提供依据;心音信号的时域特征有一定规律,各个心音成分的出现的时间先后顺序以及幅度大小都为心音的分段定位提供参考。本研究的病理信号样本都是心杂音信号,因此专门针对杂音的时频特点利用小波阈值方法进行隔离杂音成分,并按照心音信号的每一心动周期进行处理,尽可能的保留病理信息。心音信号识别是利用语音信号中常用的Mel倒谱频率参数和隐马尔科夫模型,分类也不只是简单的按常规分为正常和疾病两大类,而是根据心杂音信号的各种疾病类型。与人工神经网络的对照实验结果表明:该方法有较好的识别效果,识别率高达94.2%,尤其是在心杂音的识别率有明显的优势（92.2%vs82.8%）。在心音信号识别的基础上,提取心脏储备指标以及基于心杂音的第一心音能量分数和杂音能量分数,并对其进行统计分析,发现应激状态会调用心力储备和心率储备,D/S比值会降低,S1/S2升高,HR变快;心脏能量效率指标分析,相对于正常心音信号的健康人和瓣膜狭窄杂音的病人,有返流性心脏杂音病人,MEF较高,S1EF较低（p< 0.01）,表明其能量效率降低。实验结果表明所提取的指标可为心脏储备和心脏能量评估提供依据,可以为医生临床诊断的客观评价提供依据。最后选择SQL Server数据库,以Visual C++6.0为平台,利用ADO（Active Data Objects）接口技术开发了一个心音数据库,实现对病人基本信息和心音信号数据的现代化管理。利用Matlab混合编程技术,在心音数据库的基础上开发心音的分析软件系统,可对心音信号进行谱分析、小波变换、归一化香浓能量以及提取心脏储备指标。

论文目录

• 中文摘要
• 英文摘要
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 课题研究的国内外现状
• 1.2.1 心音信号的特征分析
• 1.2.2 心音信号的识别
• 1.3 课题研究的主要内容
• 1.3.1 研究目的
• 1.3.2 研究内容
• 1.4 论文的结构安排
• 2 心音信号的特征分析
• 2.1 心音信号的生理学基础
• 2.2 心音信号的时域特征
• 2.2.1 正常心音的时域特征
• 2.2.2 杂音的时域特征
• 2.3 心音信号的频域特征
• 2.3.1 正常心音的频率
• 2.3.2 心杂音的频率
• 2.3.3 心音信号谱估计
• 2.4 心音信号的时频域分析
• 2.5 本章小结
• 3 心音信号识别算法研究
• 3.1 小波分离心杂音
• 3.2 归一化香农能量提取心音包络
• 3.3 心音分段定位
• 3.4 心音信号的特征参数
• 3.4.1 Mel 频率倒谱特征参数
• 3.4.2 心音信号的MFCC 提取
• 3.5 基于HMM 的心音信号的模式识别
• 3.5.1 HMM 的理论基础
• 3.5.2 HMM 的类型
• 3.5.3 HMM 的基本算法
• 3.5.4 心音信号模式识别
• 3.6 心音信号的识别结果分析
• 3.7 基于心音信号的医学指标
• 3.7.1 基于心力--心音关系的心脏储备评估指标
• 3.7.2 基于心杂音的心脏能量效率指标
• 3.7.3 医学指标的提取
• 3.8 本章小结
• 4 心音数据库管理系统的开发
• 4.1 心音数据库管理系统总体设计
• 4.2 数据库基本功能的实现
• 4.2.1 SQL Server 2000 数据库
• 4.2.2 Visual C＋＋6.0 数据库开发语言
• 4.2.3 数据库访问技术
• 4.2.4 ADO 对象模型
• 4.2.5 心音数据库基本功能
• 4.3 心音信号分析软件的实现
• 4.3.1 心音信号实时采集模块
• 4.3.2 心音信号的分析模块
• 4.3.3 心脏储备指标提取
• 4.4 本章小结
• 5 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录
• A. 作者在攻读学位期间发表的论文目录
• B. 作者在攻读学位期间取得的科研成果目录