【摘要】：心血管疾病、腦血管疾病具有較高的發(fā)病率和死亡率,且難以預防和治療,而心臟類疾病是常見的心腦血管疾病之一。心臟信號是重要的生理信號,心臟聽診是先心病初診的主要手段,在心臟病變之前就能發(fā)現(xiàn)異常信息,從而預防心臟疾病發(fā)生。目前,臨床獲取心臟信息的方法是醫(yī)生聽診,但僅僅依靠醫(yī)生聽診,會導致判斷結(jié)果不準確,不可避免發(fā)生誤診情況。因此,對心音信號進行特征提取和識別等分析有利于先天性心臟病的診斷,為心臟病的臨床確診提供客觀依據(jù)。本文探究小波倒譜系數(shù)特征提取算法、概率神經(jīng)網(wǎng)絡(luò)對先心病心音信號的分析和識別,主要工作內(nèi)容分為信號預處理、特征提取及分類識別三個部分。信號預處理:使用數(shù)字濾波器和小波變換去噪,對結(jié)果進行對比之后,本文選擇小波變換去除心音噪聲。比較不同的包絡(luò)提取方法的優(yōu)缺點,采用維奧拉積分方法得到心音信號的平滑包絡(luò);然后,采用雙閾值分段法進行分段,得到心音信號的心動周期;特征提取:對每個心動周期信號進行小波倒譜系數(shù)計算,并提取小波倒譜系數(shù)作為信號的特征向量;分類識別:選擇概率神經(jīng)網(wǎng)絡(luò)作為信號識別網(wǎng)絡(luò),將提取的小波倒譜系數(shù)作為特征向量,輸入概率神經(jīng)網(wǎng)絡(luò)進行識別。本文從課題組構(gòu)建的心音數(shù)據(jù)庫中隨機抽取2083例心音樣本(其中,正常心音信號1700例,先心病心音信號383例,訓練集占80%,測試集占20%)進行分析研究。實驗結(jié)果表明該研究方法的識別率:特異度為91%,敏感度為86.7%,識別準確率為90.2%。實驗結(jié)果表明:本研究方法可以有效識別先天性心臟病心音信號。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R541.1;TN912.34;TP183
【圖文】：

絡(luò)收斂速度快，訓練簡單，因此本文使用概率神經(jīng)網(wǎng)絡(luò)實現(xiàn)對心音信號的二分類研究。逡逑１．４論文整體架構(gòu)及章節(jié)安排逡逑本研究的技術(shù)方案如圖１．１所示：逡逑傲正提取逡逑？邐信號去噪逡逑？邋提取包絡(luò)邐？邋ＢＰ算法識另Ｕ逡逑．邋分段定位邐？邋小波倒譜邐？邋ＰＮＮ識別逡逑？邋信號特征逡逑預處理邐分類識別逡逑圖Ｕ本文技術(shù)流程圖逡逑本文根據(jù)圖１．１中所示流程，大致的結(jié)構(gòu)如下：逡逑第一章緒論：主要介紹了心音信號的研宄背景、研宄意義和國內(nèi)外研宄心音信號逡逑的基本現(xiàn)狀；逡逑第二章心音信號相關(guān)知識：主要介紹人體心臟結(jié)構(gòu)和心音信號的產(chǎn)生機理，周期逡逑性心音信號的組成成分分析，實驗室心音信號的采集情況，常見異常信號和本課題信號逡逑的采集設(shè)備等；逡逑第三章心音信號預處理：本章節(jié)的主要內(nèi)容是介紹小波去噪的原理、方法和效果，逡逑選擇不同算法對信號提取包絡(luò)，根據(jù)實驗效果選擇最好的方法應用于實驗，最后進行分逡逑段定位等。逡逑第四章提取信號特征：對比ＭＦＣＣ方法，簡述小波倒譜系數(shù)算法的理論知識等，逡逑４逡逑

２．邋１人體心臟及血液循環(huán)逡逑心臟位于人體胸腔上部，約有三分之一在身體正中線右側(cè)，三分之二在身體正中線逡逑左側(cè)，外觀上可以分為心底和心尖。圖２．１是人體心臟的結(jié)構(gòu)７Ｋ意圖：逡逑}0Ｓ逡逑冊＾挪逡逑右肺動脈＾邋Ａ邐．左肺動脈逡逑未ａ邋邋邐＂＊１邐．氧合血逡逑下Ｅ？Ｍ＜邐ｊＪＪ邐一降主動脈逡逑圖２．１人體心臟結(jié)構(gòu)圖逡逑如圖２．１所不，人體心臟主要由左心房、右心房、左心室、右心室以及周圍彟膜組逡逑成［１２］，其中瓣膜主要包括主動脈瓣，肺動脈瓣，二尖瓣和三尖瓣Ｐ］。心臟前面大部分逡逑都被兩肺遮住，小部分和胸骨以及肋軟骨相連，心臟前面稱為胸肋面，后面稱為膈面。逡逑心臟內(nèi)部隔膜將心臟分成兩半，而左心房和右心房以及周圍的瓣膜又將左右兩半分成上逡逑半部和下半部。逡逑心臟的主要功能是通過其不斷的收縮和舒張來驅(qū)動血液循環(huán)，使血液到達身體各個逡逑部位，以確保身體的正常運行。全身循環(huán)是血液流動的必要條件，它包括體循環(huán)和肺循逡逑環(huán)兩種循環(huán)，并且這兩種循環(huán)之間相互連接，以構(gòu)成完整的循環(huán)系統(tǒng)｜｜４］。體循環(huán)開始逡逑于左心室

【參考文獻】

相關(guān)期刊論文 前10條

1 艾煒華;湯建明;巫昌霖;肖森源;黃彬;曾慶寧;;心音信號采集及自動識別系統(tǒng)[J];科技視界;2015年34期

2 白泉;韓晶晶;盛國華;張正帥;;地震動反應譜擬合過程中小波基函數(shù)的選取[J];地震學報;2015年06期

3 袁靚;周于浩;秦顧正;肖彥;陳穎;張圣清;;無線電子聽診器[J];電腦知識與技術(shù);2015年11期

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

5 陳潔;侯海良;羅良才;成運;;一種新的HHT在心音包絡(luò)提取中的應用[J];中國醫(yī)學物理學雜志;2012年02期

6 段永剛;馬立元;李永軍;王天輝;;基于小波分析的改進軟閾值去噪算法[J];科學技術(shù)與工程;2010年23期

7 祁生貴;王曉勤;陳秋紅;劉鳳云;胡琳;;不同海拔及民族兒童先天性心臟病發(fā)病比較[J];中國公共衛(wèi)生;2009年12期

8 郭佰勝;宮寧生;;激活函數(shù)可調(diào)的RBF神經(jīng)網(wǎng)絡(luò)模型[J];微計算機信息;2009年06期

9 李夢霞;陳忠;董勇;;基于新閾值的小波硬閾值去噪方法[J];長江大學學報(自然科學版)理工卷;2008年04期

10 許曉飛;林勇;嚴彬彬;;基于希爾伯特-黃變換的心音包絡(luò)提取[J];航天醫(yī)學與醫(yī)學工程;2008年02期

相關(guān)碩士學位論文 前6條

1 徐明;基于鄰域粗糙集與隨機森林組合分類器的滾動軸承故障診斷研究[D];青島理工大學;2017年

2 曾燕來;基于小波變換語音去噪的研究及應用[D];長安大學;2015年

3 李衛(wèi)青;航空鉛酸蓄電池健康評估與管理系統(tǒng)軟件研究[D];中國民用航空飛行學院;2015年

4 李曉玉;基于包絡(luò)提取的心音信號分段算法的研究[D];浙江大學;2015年

5 鄧玉娟;基于小波變換的語音閾值去噪算法研究[D];重慶大學;2009年

6 蔡曲林;基于概率神經(jīng)網(wǎng)絡(luò)的模式識別[D];國防科學技術(shù)大學;2005年

本文編號：2736822