心音能真實(shí)反映心臟工作狀況,是醫(yī)生診斷心血管疾病的重要依據(jù)。先心病的臨床診斷分為初診和確診兩個(gè)階段。初診及篩查階段主要憑借聽(tīng)診器,通過(guò)心臟聽(tīng)診以確定疑似患者,這需要醫(yī)生要有豐富的臨床經(jīng)驗(yàn),基層醫(yī)生往往難以勝任,若經(jīng)驗(yàn)不足容易造成誤診或耽誤病情。確診階段主要使用超聲心動(dòng)圖儀對(duì)疑似患者進(jìn)行復(fù)查,該設(shè)備價(jià)格昂貴,目前無(wú)法配備到鄉(xiāng)鎮(zhèn)衛(wèi)生院等基層醫(yī)院�，F(xiàn)在,先心病的篩查還是以心臟聽(tīng)診為主,由于我國(guó)地區(qū)發(fā)展不平衡,尤其是云南基層醫(yī)療資源匱乏,先心病的篩查基本上是依靠省級(jí)醫(yī)療隊(duì)巡回下鄉(xiāng)完成,這對(duì)及時(shí)、及早發(fā)現(xiàn)先心病患者非常不利。因此,分析研究先心病心音信號(hào)、提取相關(guān)病理特征,研究機(jī)器輔助診斷技術(shù)尤其重要,能夠提高基層醫(yī)生對(duì)先心病篩查的準(zhǔn)確率。本文結(jié)合心音信號(hào)的特點(diǎn),提出了一種基于Bi-LSTM網(wǎng)絡(luò)和Mel頻率倒譜系數(shù)的心音信號(hào)識(shí)別算法,較好地解決了先心病心音信號(hào)的分類(lèi)問(wèn)題,為先心病臨床診斷提供參考。對(duì)心音的分析處理涉及:信號(hào)預(yù)處理、特征提取、識(shí)別研究三個(gè)環(huán)節(jié)。信號(hào)預(yù)處理:包括心音信號(hào)降噪、包絡(luò)提取等。首先,對(duì)原始心音信號(hào)進(jìn)行小波5層降噪處理,得到小波去噪后的信號(hào);之后提取心音信號(hào)的希爾伯特包絡(luò),并以S1為起始點(diǎn)截取長(zhǎng)度6秒的信號(hào)。特征提取部分:對(duì)比LPCC、BFCC、MFCC三種特征提取的方法,最終對(duì)截取到的信號(hào)提取梅爾倒譜頻率系數(shù)作為特征參數(shù)。識(shí)別環(huán)節(jié):對(duì)比了 BP、RNN、LSTM、Bi-LSTM四種神經(jīng)網(wǎng)絡(luò)的識(shí)別效果,最后選擇能夠克服其它三種網(wǎng)絡(luò)缺陷的Bi-LSTM網(wǎng)絡(luò)對(duì)心音信號(hào)進(jìn)行識(shí)別。結(jié)果表明Bi-LSTM網(wǎng)絡(luò)具有較好的識(shí)別效果,心音信號(hào)的正確識(shí)別率到達(dá)84.20%。
【學(xué)位單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：R541.1;TN912.34
【部分圖文】：

壁等行為產(chǎn)生的機(jī)械運(yùn)動(dòng)，經(jīng)過(guò)周?chē)M織傳遞至胸壁發(fā)生的微弱振動(dòng)，稱之為心??音。而所謂的心動(dòng)周期，包括兩個(gè)期？．舒張期和收縮期。舒張期，心臟充盈；收??縮期，心臟射血。圖１．１是一個(gè)完整的心動(dòng)周期。當(dāng)心室開(kāi)始收縮，產(chǎn)生第一心??音，即Ｓ１；在心室收縮末尾時(shí)，發(fā)生第二心音，即Ｓ２；在Ｓ１和Ｓ２之間的時(shí)期，??是心室的收縮期；在Ｓ２和下一個(gè)Ｓ１之間的時(shí)期，是心室的舒張期。??２??

小波變換分解重構(gòu)的信號(hào)可以表示為：??Ｓ?＝?Ａ５?＋?ＤＳ?＋?Ｄ４?＋?Ｄ３?＋?Ｄ２?＋?Ｄ１中，小波基、分解層數(shù)以及閾值函數(shù)等的選擇尤布在１０ＨＺ？１０００ＨＺ，大于１０００ＨＺ的大部分都是率，由采樣定理可以得出最大頻率是２５００ＨＺ，選擇５層小波分解，表２．１是具體的小波分解各表２．?１五層分解的各層頻率近似分量（ａ）?細(xì)節(jié)分量（Ｔ１２５０?１２５０？２５０？６２５?６２５？１２０＇３１２?３１２＇６２０？１５６?１５６？３１０？７８?７８＇１５

?ｘ１（）４??圖２．２分解的各層效果圖??圖２．２中，ｄｌ？ｄ２是第一層到第二層的細(xì)節(jié)分量，幾乎都是噪聲，將其置??零。ｄ３？ｄ４是第三層到第四層的細(xì)節(jié)分量，既包含噪聲又包含有用信息，實(shí)驗(yàn)??中進(jìn)行閾值處理，保留有用信息。將第五層的細(xì)節(jié)分量（ｄ５）和第五層的近似分??量（ａ５）保留，最后進(jìn)行信息重構(gòu)。圖２．?３是信號(hào)去噪前后的效果。明顯從圖中??觀察到毛刺減少
【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 周克良;章祖忠;周利鋒;聶叢楠;;一種新閾值函數(shù)的小波變換在心音去噪中的設(shè)計(jì)[J];制造業(yè)自動(dòng)化;2015年20期

2 郭興明;何彥青;盧德林;袁志會(huì);;平移不變小波在心音信號(hào)去噪中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2014年24期

3 張磊邦;唐榮斌;蔣建波;張帥;池宗琳;王威廉;;基于小波變換的心音特征值提取算法研究[J];電子測(cè)量技術(shù);2014年06期

4 胡曉靜;黃國(guó)英;;新生兒先天性心臟病篩查的研究進(jìn)展[J];國(guó)際兒科學(xué)雜志;2014年02期

5 劉學(xué);李婷;孫宸;崔小東;楊春煊;軒永慶;;基于小波變換的心音信號(hào)去噪方法[J];科技信息;2013年02期

6 尹晨曉;郭英;張碧鋒;劉霞;;基于Bark小波的語(yǔ)音端點(diǎn)檢測(cè)算法[J];計(jì)算機(jī)工程;2011年12期

7 尹許梅;何選森;;基于Bark子波變換的MFCC特征提取[J];計(jì)算機(jī)工程;2011年11期

8 陳天華;韓力群;唐海滔;鄭若金;;心音信號(hào)分析方法及應(yīng)用性研究[J];北京工商大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年02期

相關(guān)碩士學(xué)位論文 前10條

1 周永生;基于LSTM神經(jīng)網(wǎng)絡(luò)的PM2.5預(yù)測(cè)[D];湖南大學(xué);2018年

2 柏萬(wàn)寬;RNN神經(jīng)網(wǎng)絡(luò)在股票指數(shù)價(jià)格預(yù)測(cè)模型的研究與應(yīng)用[D];重慶大學(xué);2018年

3 熊冰峰;基于聽(tīng)覺(jué)特征參數(shù)的說(shuō)話人識(shí)別技術(shù)[D];湘潭大學(xué);2016年

4 胡新辰;基于LSTM的語(yǔ)義關(guān)系分類(lèi)研究[D];哈爾濱工業(yè)大學(xué);2015年

5 唐贊;先天性心臟病心音識(shí)別與量化研究[D];西華大學(xué);2015年

6 周婷婷;基于MFCC和PSO-BP神經(jīng)網(wǎng)絡(luò)的說(shuō)話人識(shí)別系統(tǒng)[D];南京郵電大學(xué);2015年

7 李靜佳;多位置融合心音身份識(shí)別技術(shù)研究及系統(tǒng)實(shí)現(xiàn)[D];杭州電子科技大學(xué);2015年

8 胡煉;基于NPC和改進(jìn)的MFCC魯棒語(yǔ)音特征提取研究[D];湖南大學(xué);2011年

9 馬永華;改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在心音身份識(shí)別中的應(yīng)用研究[D];南京郵電大學(xué);2011年

10 云霞;基于Mel倒譜和Bark譜失真距離的漢語(yǔ)音質(zhì)客觀評(píng)價(jià)研究[D];西南交通大學(xué);2004年

本文編號(hào)：2851830