基于噪聲檢測網(wǎng)絡的心音分類方法研究
發(fā)布時間：2021-11-15 20:05
心臟是人體非常重要的器官,其活動狀況往往能反映我們的生理或者病理情況。心音是評估心臟病的重要線索,是高級診斷檢查的指南,常用于心血管疾病的早期診斷。心音聽診是身體檢查的重要部分并可以發(fā)現(xiàn)許多病理性心臟病。心血管疾病的積極預防以及可靠的監(jiān)控對于抑制心血管疾病的蔓延起到非常重要的作用,也是治療心血管疾病的重要舉措。由于人工聽診具有操作簡單﹑低成本﹑聽診效果顯著和容易轉移聽診環(huán)境等特點,所以聽診器聽診成為了目前診斷心臟疾病最常用的一種手段。然而人工聽診需要醫(yī)生具備豐富的臨床經(jīng)驗和過硬的專業(yè)知識,而且容易受到臨床環(huán)境噪聲的影響。因而提供一種對心音信號進行自動分類的方法是非常有必要的,特別是能對復雜臨床環(huán)境的混合心音信號進行分類。為了模擬復雜的臨床聽診環(huán)境,用不同的污染強度和污染比例來表示心音信號被環(huán)境噪聲污染的程度,本文采用實驗室本課題組的噪聲數(shù)據(jù)集按照不同污染程度隨機污染心音信號進而獲得不同污染程度的混合心音信號。由于環(huán)境噪聲對心音分類會造成很大的干擾,如果直接使用分類網(wǎng)絡對臨床心音信號進行心音分類會導致分類效果不理想。因此,有必要在分類網(wǎng)絡之前添加一個預檢測網(wǎng)絡,以減少環(huán)境噪聲對分類效果的...
【文章來源】：廣東工業(yè)大學廣東省
【文章頁數(shù)】：68 頁
【學位級別】：碩士
【部分圖文】：
心臟和血管的結構圖
圖 2-2 正常心音信號的波形圖Fig.2-2 Waveform of normal heart sound signal由圖 2-2 可知，正常心音信號的時域特性以及其主要成分。第一心音發(fā)生在收縮期之前，第二心音發(fā)生在舒張期之前。精確識別并劃分心音信號的每個主要成分以及確定主要成分之間的時間關系是分析研究心音信號必不可少的步驟。通過定義以下幾個心音信號的時域參數(shù)，便于對心音信號定量分析以及心音時域特性的闡述[47]。S1 時限：就是當前心動周期第一心音持續(xù)的時間，時間長度約 0.07 至 0.15 秒。S2 時限：就是當前心動周期第二心音持續(xù)的時間，時間長度約 0.06 至 0.12 秒。S1-S2 間期：就是當前心動周期的第一心音結束點至當前心動周期的第二心音開始點這段持續(xù)時間。S2-S1 間期：就是當前心動周期的第二心音結束點至下一個心動周期的第一心音開始點這段持續(xù)時間。
含有時域特性，還含有頻域特性。許多研信號的頻域特征，因為頻域特征也能表征到 1000 赫茲之間�；加行呐K疾病的心臟，該頻率甚至可以大于 1500 赫茲。正常心一樣的。第一心音和第二心音的頻率范圍率范圍是 10-50 赫茲。心音除了干凈的心擦音和高頻雜音都屬于心臟雜音，他們的高可以達到 660 赫茲），120 赫茲到 660 心音的頻率和第二心音的頻率范圍是一致的難度。
【參考文獻】：
期刊論文
[1]《中國心血管病報告2017》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2018(01)
[2]基于最小二乘支持向量機的心音分類識別研究[J]. 許莉莉,師煒,郭學謙,曲典. 中國醫(yī)療設備. 2017(04)
[3]基于自適應閾值小波變換的心音去噪方法[J]. 周克良,邢素林,聶叢楠. 廣西師范大學學報(自然科學版). 2016(01)
[4]平移不變小波在心音信號去噪中的應用[J]. 郭興明,何彥青,盧德林,袁志會. 計算機工程與應用. 2014(24)
[5]心音信號的預處理與包絡提取算法研究[J]. 張磊邦,唐榮斌,蔣建波,張帥,池宗琳,王威廉. 生物醫(yī)學工程學雜志. 2014(04)
[6]一種改進型綜合去噪算法在心音信號預處理上的研究[J]. 陳新華,成謝鋒. 南京郵電大學學報(自然科學版). 2010(06)
[7]基于一種新的小波閾值函數(shù)的心音信號去噪[J]. 陳遠貴,羅保欽,曾慶寧. 計算機仿真. 2010(11)
[8]心音信號的自適應小波去噪[J]. 朱冰蓮,劉倩. 計算機技術與發(fā)展. 2006(10)
碩士論文
[1]基于心電信號和脈搏信號耦合強度的睡眠分期研究[D]. 汲長娟.南京郵電大學 2018
[2]基于無需分段的心音分類算法的研究[D]. 汪晶.南京郵電大學 2018
[3]基于包絡提取的心音信號識別與分類[D]. 李爽.河南大學 2018
[4]基于小波包分解的復雜心音信號分段定位與特征提取研究[D]. 馬莉.云南大學 2015
[5]基于包絡提取的心音信號分段算法的研究[D]. 李曉玉.浙江大學 2015
本文編號：3497415
【文章來源】：廣東工業(yè)大學廣東省
【文章頁數(shù)】：68 頁
【學位級別】：碩士
【部分圖文】：
心臟和血管的結構圖
圖 2-2 正常心音信號的波形圖Fig.2-2 Waveform of normal heart sound signal由圖 2-2 可知，正常心音信號的時域特性以及其主要成分。第一心音發(fā)生在收縮期之前，第二心音發(fā)生在舒張期之前。精確識別并劃分心音信號的每個主要成分以及確定主要成分之間的時間關系是分析研究心音信號必不可少的步驟。通過定義以下幾個心音信號的時域參數(shù)，便于對心音信號定量分析以及心音時域特性的闡述[47]。S1 時限：就是當前心動周期第一心音持續(xù)的時間，時間長度約 0.07 至 0.15 秒。S2 時限：就是當前心動周期第二心音持續(xù)的時間，時間長度約 0.06 至 0.12 秒。S1-S2 間期：就是當前心動周期的第一心音結束點至當前心動周期的第二心音開始點這段持續(xù)時間。S2-S1 間期：就是當前心動周期的第二心音結束點至下一個心動周期的第一心音開始點這段持續(xù)時間。
含有時域特性，還含有頻域特性。許多研信號的頻域特征，因為頻域特征也能表征到 1000 赫茲之間�；加行呐K疾病的心臟，該頻率甚至可以大于 1500 赫茲。正常心一樣的。第一心音和第二心音的頻率范圍率范圍是 10-50 赫茲。心音除了干凈的心擦音和高頻雜音都屬于心臟雜音，他們的高可以達到 660 赫茲），120 赫茲到 660 心音的頻率和第二心音的頻率范圍是一致的難度。
【參考文獻】：
期刊論文
[1]《中國心血管病報告2017》概要[J]. 陳偉偉,高潤霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風,楊躍進,鄭哲,蔣立新,胡盛壽. 中國循環(huán)雜志. 2018(01)
[2]基于最小二乘支持向量機的心音分類識別研究[J]. 許莉莉,師煒,郭學謙,曲典. 中國醫(yī)療設備. 2017(04)
[3]基于自適應閾值小波變換的心音去噪方法[J]. 周克良,邢素林,聶叢楠. 廣西師范大學學報(自然科學版). 2016(01)
[4]平移不變小波在心音信號去噪中的應用[J]. 郭興明,何彥青,盧德林,袁志會. 計算機工程與應用. 2014(24)
[5]心音信號的預處理與包絡提取算法研究[J]. 張磊邦,唐榮斌,蔣建波,張帥,池宗琳,王威廉. 生物醫(yī)學工程學雜志. 2014(04)
[6]一種改進型綜合去噪算法在心音信號預處理上的研究[J]. 陳新華,成謝鋒. 南京郵電大學學報(自然科學版). 2010(06)
[7]基于一種新的小波閾值函數(shù)的心音信號去噪[J]. 陳遠貴,羅保欽,曾慶寧. 計算機仿真. 2010(11)
[8]心音信號的自適應小波去噪[J]. 朱冰蓮,劉倩. 計算機技術與發(fā)展. 2006(10)
碩士論文
[1]基于心電信號和脈搏信號耦合強度的睡眠分期研究[D]. 汲長娟.南京郵電大學 2018
[2]基于無需分段的心音分類算法的研究[D]. 汪晶.南京郵電大學 2018
[3]基于包絡提取的心音信號識別與分類[D]. 李爽.河南大學 2018
[4]基于小波包分解的復雜心音信號分段定位與特征提取研究[D]. 馬莉.云南大學 2015
[5]基于包絡提取的心音信號分段算法的研究[D]. 李曉玉.浙江大學 2015
本文編號：3497415
本文鏈接：http://sikaile.net/kejilunwen/xinxigongchenglunwen/3497415.html
最近更新
教材專著
