心音分割指對所獲取的心音信號按心動周期對收縮期、舒張期等進(jìn)行分隔,是進(jìn)行心音分類前的關(guān)鍵步驟。針對不依賴心電圖對心音信號直接分割準(zhǔn)確度有限的難題,提出了一種基于持續(xù)時間隱馬爾可夫模型的心音分割算法。首先對心音樣本進(jìn)行位置標(biāo)注;然后采用自相關(guān)估計(jì)法對心音的心動周期持續(xù)時間進(jìn)行估計(jì),通過高斯混合分布對樣本的狀態(tài)持續(xù)時間進(jìn)行建模;接著通過訓(xùn)練集信號對隱馬爾可夫模型進(jìn)行優(yōu)化并建立基于持續(xù)時間的隱馬爾可夫模型(DHMM);最后使用維特比算法對心音狀態(tài)進(jìn)行回溯得出S₁、收縮期、S₂、舒張期。使用500例心音樣本對本文算法性能進(jìn)行測試,平均評估精度分?jǐn)?shù)(F₁)為0.933,平均靈敏度為0.930,平均精確率為0.936。同其他算法相比,本文算法各項(xiàng)性能指標(biāo)均有明顯提升,證實(shí)了該算法具有較高的魯棒性和抗噪聲性能,為臨床環(huán)境下所采集心音信號的特征提取與分析提供了一種新方法。

【文章頁數(shù)】：10 頁

【部分圖文】：

圖1心音分割算法流程圖

(4）對訓(xùn)練集信號進(jìn)行高斯混合模型建模，為DHMM提供參數(shù)dμj、dΣj與pj(d);(5）構(gòu)建DHMM，并使用訓(xùn)練集信號對模型參數(shù)λ進(jìn)行訓(xùn)練；

圖2R峰與T波末端分別作為定義S1與S2的參考位置

提取出的自相關(guān)包絡(luò)如圖3所示，在圖中所示兩個紅點(diǎn)之間的間距為心動周期的持續(xù)時間（Dcycle），第一個紅點(diǎn)與綠點(diǎn)之間的間距稱為一個完整的收縮期（systole），其成分包括了S1與收縮期兩個狀態(tài)。其持續(xù)時間（Dsystole）對應(yīng)公式如下圖3自相關(guān)法提取心動周期

圖3自相關(guān)法提取心動周期

圖2R峰與T波末端分別作為定義S1與S2的參考位置完整的舒張期（diastole）包括S2與舒張期兩個狀態(tài)，其持續(xù)時間（Ddiastole）有

圖5基于心動周期狀態(tài)的隱馬爾可夫模型

由于實(shí)際采集心音過程中可從心動周期的任何一個狀態(tài)開始采集，因此在使用DHMM之前，需要通過訓(xùn)練集數(shù)據(jù)對其模型參數(shù)λ進(jìn)行估計(jì)

本文編號：3951771