心臟是人體非常重要的器官,其活動(dòng)狀況往往能反映我們的生理或者病理情況。心音是評(píng)估心臟病的重要線索,是高級(jí)診斷檢查的指南,常用于心血管疾病的早期診斷。心音聽(tīng)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(yù)防以及可靠的監(jiān)控對(duì)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(tīng)診具有操作簡(jiǎn)單﹑低成本﹑聽(tīng)診效果顯著和容易轉(zhuǎn)移聽(tīng)診環(huán)境等特點(diǎn),所以聽(tīng)診器聽(tīng)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(tīng)診需要醫(yī)生具備豐富的臨床經(jīng)驗(yàn)和過(guò)硬的專業(yè)知識(shí),而且容易受到臨床環(huán)境噪聲的影響。因而提供一種對(duì)心音信號(hào)進(jìn)行自動(dòng)分類的方法是非常有必要的,特別是能對(duì)復(fù)雜臨床環(huán)境的混合心音信號(hào)進(jìn)行分類。為了模擬復(fù)雜的臨床聽(tīng)診環(huán)境,用不同的污染強(qiáng)度和污染比例來(lái)表示心音信號(hào)被環(huán)境噪聲污染的程度,本文采用實(shí)驗(yàn)室本課題組的噪聲數(shù)據(jù)集按照不同污染程度隨機(jī)污染心音信號(hào)進(jìn)而獲得不同污染程度的混合心音信號(hào)。由于環(huán)境噪聲對(duì)心音分類會(huì)造成很大的干擾,如果直接使用分類網(wǎng)絡(luò)對(duì)臨床心音信號(hào)進(jìn)行心音分類會(huì)導(dǎo)致分類效果不理想。因此,有必要在分類網(wǎng)絡(luò)之前添加一個(gè)預(yù)檢測(cè)網(wǎng)絡(luò),以減少環(huán)境噪聲對(duì)分類效果的... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

心臟和血管的結(jié)構(gòu)圖

圖 2-2 正常心音信號(hào)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(hào)的時(shí)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(shí)別并劃分心音信號(hào)的每個(gè)主要成分以及確定主要成分之間的時(shí)間關(guān)系是分析研究心音信號(hào)必不可少的步驟。通過(guò)定義以下幾個(gè)心音信號(hào)的時(shí)域參數(shù)，便于對(duì)心音信號(hào)定量分析以及心音時(shí)域特性的闡述[47]。S1 時(shí)限：就是當(dāng)前心動(dòng)周期第一心音持續(xù)的時(shí)間，時(shí)間長(zhǎng)度約 0.07 至 0.15 秒。S2 時(shí)限：就是當(dāng)前心動(dòng)周期第二心音持續(xù)的時(shí)間，時(shí)間長(zhǎng)度約 0.06 至 0.12 秒。S1-S2 間期：就是當(dāng)前心動(dòng)周期的第一心音結(jié)束點(diǎn)至當(dāng)前心動(dòng)周期的第二心音開(kāi)始點(diǎn)這段持續(xù)時(shí)間。S2-S1 間期：就是當(dāng)前心動(dòng)周期的第二心音結(jié)束點(diǎn)至下一個(gè)心動(dòng)周期的第一心音開(kāi)始點(diǎn)這段持續(xù)時(shí)間。

含有時(shí)域特性，還含有頻域特性。許多研信號(hào)的頻域特征，因?yàn)轭l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(dá)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(xiàn)】：
期刊論文
[1]《中國(guó)心血管病報(bào)告2017》概要[J]. 陳偉偉,高潤(rùn)霖,劉力生,朱曼璐,王文,王擁軍,吳兆蘇,李惠君,顧東風(fēng),楊躍進(jìn),鄭哲,蔣立新,胡盛壽.  中國(guó)循環(huán)雜志. 2018(01)
[2]基于最小二乘支持向量機(jī)的心音分類識(shí)別研究[J]. 許莉莉,師煒,郭學(xué)謙,曲典.  中國(guó)醫(yī)療設(shè)備. 2017(04)
[3]基于自適應(yīng)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(xué)學(xué)報(bào)(自然科學(xué)版). 2016(01)
[4]平移不變小波在心音信號(hào)去噪中的應(yīng)用[J]. 郭興明,何彥青,盧德林,袁志會(huì).  計(jì)算機(jī)工程與應(yīng)用. 2014(24)
[5]心音信號(hào)的預(yù)處理與包絡(luò)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(xué)工程學(xué)雜志. 2014(04)
[6]一種改進(jìn)型綜合去噪算法在心音信號(hào)預(yù)處理上的研究[J]. 陳新華,成謝鋒.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(06)
[7]基于一種新的小波閾值函數(shù)的心音信號(hào)去噪[J]. 陳遠(yuǎn)貴,羅保欽,曾慶寧.  計(jì)算機(jī)仿真. 2010(11)
[8]心音信號(hào)的自適應(yīng)小波去噪[J]. 朱冰蓮,劉倩.  計(jì)算機(jī)技術(shù)與發(fā)展. 2006(10)

碩士論文
[1]基于心電信號(hào)和脈搏信號(hào)耦合強(qiáng)度的睡眠分期研究[D]. 汲長(zhǎng)娟.南京郵電大學(xué) 2018
[2]基于無(wú)需分段的心音分類算法的研究[D]. 汪晶.南京郵電大學(xué) 2018
[3]基于包絡(luò)提取的心音信號(hào)識(shí)別與分類[D]. 李爽.河南大學(xué) 2018
[4]基于小波包分解的復(fù)雜心音信號(hào)分段定位與特征提取研究[D]. 馬莉.云南大學(xué) 2015
[5]基于包絡(luò)提取的心音信號(hào)分段算法的研究[D]. 李曉玉.浙江大學(xué) 2015



本文編號(hào)：3497415