本文選題：心音分割 + 異常心音篩查�。� 參考：《電子與信息學報》2017年11期

【摘要】：心臟疾病是全球發(fā)病率和死亡率最高的疾病,心音聽診可以獲取心臟的機械特性及結構特征,與超聲心動圖、核磁共振等無創(chuàng)診斷技術相比具有快速、低成本和操作簡單的優(yōu)勢。心音信號成分復雜,容易受到各種噪聲和干擾的影響,聽診診斷結果容易受到醫(yī)生主觀性的影響,極大限制了心音聽診的應用。該文提出一種基于心動周期估計的心音分割及異常心音篩查算法,預先估計了心音的心動周期,存在隨機干擾的情況下也可以正確識別信號中80%以上的心動周期,提高了算法的穩(wěn)定性。同時提出了區(qū)分度良好的時域和頻域特征指標,利用支持向量機建模,對異常心音的識別率可達92%。算法可輔助醫(yī)生診斷,或用于家用便攜式心音監(jiān)護設備。
[Abstract]:Heart disease has the highest morbidity and mortality in the world. Heart-tone auscultation can obtain the mechanical and structural characteristics of the heart, which is faster than non-invasive diagnostic techniques such as echocardiography and MRI. The advantages of low cost and simple operation. The composition of heart sound signal is complex and easily affected by various noises and disturbances. The diagnosis result of auscultation is easily influenced by the subjective of the doctor, which greatly limits the application of auscultation of heart sound. In this paper, an algorithm of cardiac sound segmentation and abnormal heart sound screening based on cardiac cycle estimation is proposed. The cardiac cycle of heart sound can be estimated in advance, and more than 80% of the cardiac cycle in the signal can be correctly identified in the presence of random interference. The stability of the algorithm is improved. At the same time, the time-domain and frequency-domain characteristic indexes with good discrimination are proposed. The recognition rate of abnormal heart sounds can reach 92% by using support vector machine (SVM) modeling. The algorithm can assist the doctor in diagnosis, or be used in portable heart sound monitoring equipment.
【作者單位】： 中國科學院電子學研究所;中國科學院大學;中國人民解放軍海軍總醫(yī)院;
【基金】：國家自然科學基金(61302033) 北京市自然科學基金(Z160003) 國家重點研發(fā)計劃(2016YFC1304302,2016YFC0206502,2016YFC1303900)~~
【分類號】：R540.4;TN911.7

【相似文獻】

相關期刊論文 前10條

1 趙治棟,唐向宏,趙知勁,潘敏,陳裕泉;基于Hilbert-Huang Transform的心音信號譜分析[J];傳感技術學報;2005年01期

2 陳天華;韓力群;唐海滔;鄭若金;;心音信號分析方法及應用性研究[J];北京工商大學學報(自然科學版);2009年02期

3 郭興明;林輝杰;肖守中;;復雜度在心音信號分析中的應用[J];儀器儀表學報;2010年02期

4 劉娟;趙治棟;;基于心音信號譜分析的身份特征提取算法[J];杭州電子科技大學學報;2010年04期

5 侯海良;羅良才;成運;陳潔;;便攜式心音采集與處理系統(tǒng)的設計[J];中國醫(yī)學物理學雜志;2011年05期

6 李橋，邵慶余;心音信號分析方法述評[J];山東生物醫(yī)學工程;1994年02期

7 孫麗莎,沈民奮;心音信號的采集和處理系統(tǒng)分析[J];現(xiàn)代儀器使用與維修;1995年01期

8 吳延軍，徐涇平，趙艷;心音的產(chǎn)生與傳導機制[J];生物醫(yī)學工程學雜志;1996年03期

9 吳延軍，徐涇平，趙艷，，程敬之;心音信號處理與識別[J];中國醫(yī)療器械雜志;1996年05期

10 汪源源;利用小波變換分析心音信號[J];復旦學報(自然科學版);1997年03期

相關會議論文 前10條

1 丁曉蓉;宋陸州;包鑫;郭興明;;心音采集及其混沌動力學分析方法的初步研究[A];中國電子學會第十七屆信息論學術年會論文集[C];2010年

2 駱懿;趙治棟;;一種便攜式心音信號記錄儀研究[A];浙江省信號處理學會2011學術年會論文集[C];2011年

3 王佳;趙治棟;;嵌入式心音身份識別系統(tǒng)研究[A];浙江省電子學會2011學術年會論文集[C];2011年

4 趙衛(wèi)強;趙治棟;;基于射頻識別的心音身份認證系統(tǒng)研究[A];浙江省信號處理學會2012學術年會論文集[C];2012年

5 徐富強;王威廉;;基于LabVIEW的心音信號分析[A];2007'儀表，自動化及先進集成技術大會論文集（一）[C];2007年

6 徐昆良;全海燕;杜海濤;王威廉;;心音心電數(shù)據(jù)采集儀信號調理電路設計[A];第七屆工業(yè)儀表與自動化學術會議論文集[C];2006年

7 羅保欽;曾慶寧;陳遠貴;黃邦奉;胡斌;;基于LabVIEW的心音信號分析系統(tǒng)設計[A];2009全國虛擬儀器大會論文集（一）[C];2009年

8 全海燕;王威廉;;Hilbert-Huang變換及其在心音信號分析中的應用[A];第十一屆全國信號處理學術年會（CCSP-2003）論文集[C];2003年

9 劉雪紅;李川勇;;不同心動周期序列的頻譜分析[A];天津市生物醫(yī)學工程學會2004年年會論文集[C];2005年

10 熊文峰;趙寶珍;李衛(wèi)萍;蔣棟;;二尖瓣反流口面積在心動周期中的動態(tài)變化[A];第十屆全國超聲心動圖學術會議論文[C];2010年

相關博士學位論文 前3條

1 陳歷明;基于心音信號遙測的心肌變力性與變時性的研究[D];重慶大學;2004年

2 苗晟;先天性心臟病心音信號分析方法研究[D];云南大學;2015年

3 韋哲;心音時—頻分析方法及虛擬動態(tài)心音分析系統(tǒng)的研究[D];蘭州理工大學;2011年

相關碩士學位論文 前10條

1 王亞光;基于ZigBee網(wǎng)絡的心音信號采集系統(tǒng)研究與設計[D];江西理工大學;2015年

2 姬漢貴;基于心音的時間序列符號熵對心力衰竭的研究[D];南京郵電大學;2015年

3 嚴妼;心音信號的混沌特性、重構和應用研究[D];南京郵電大學;2015年

4 李皓瑋;基于STM32的心音信號采集設備研究[D];云南大學;2016年

5 雍希;基于EMD及SVD的心音信號提取方法研究[D];重慶大學;2016年

6 李靜佳;多位置融合心音身份識別技術研究及系統(tǒng)實現(xiàn)[D];杭州電子科技大學;2015年

7 章祖忠;基于FPGA的心音信號分類識別系統(tǒng)的研究與設計[D];江西理工大學;2016年

8 陳國強;心音信號的提取和處理研究[D];西安電子科技大學;2009年

9 孫樹平;基于自適應時頻分析方法的心音信號分析研究[D];西華大學;2009年

10 馬中武;基于心音信號分析的心臟病輔助診斷方法研究[D];蘭州理工大學;2011年

本文編號：2104357