發(fā)布時間：2020-09-03 21:29

　　 近年來心血管疾病發(fā)病率居高不下,而且死亡率極高,嚴重威脅著人類健康。心臟病是心血管疾病中最為常見的疾病,對其敏感準確的檢測診斷具備重要的臨床意義。本文針對一種常見的心臟病檢測手段—心音聽診,研究從采集到的心音信號中提取/分割出心音的特征信號段,便于后續(xù)分析、分類及診斷。本文的主要工作如下:1.本文使用基于經(jīng)驗?zāi)Ｊ椒纸?EmpiricalModeDecomposition,EMD)改進的方法—集合經(jīng)驗?zāi)Ｊ椒纸?Ensemble empirical mode decomposition,EEMD),從采集到的心音信號中分解出本征模態(tài)函數(shù)(Intrinsic Mode Function,IMFs),從本征模態(tài)函數(shù)(IMFs)中選取出利于分割的信號成分。此過程中,由于EMD在分解的過程中會出現(xiàn)端點效應(yīng),本文分析和對比了多種方法,提出了波形匹配和比例延拓相結(jié)合的方法來抑制端點效應(yīng),并且根據(jù)正交性來評判分解結(jié)果的好壞,實驗證明改進的波形匹配法相比于其他方法在抑制端點效應(yīng)方面更優(yōu)。對于從分解出來的IMFs中選取哪個IMF作為分割依據(jù),本文提出了自己的方法,即選取過零點個數(shù)在50—250范圍內(nèi)相關(guān)系數(shù)最大和次大的IMF分量。如果存在兩個IMF分量則根據(jù)分割結(jié)果求S1、S2平均時長,選取S1平均時長接近122ms、S2平均時長接近92ms的IMF分量,實驗結(jié)果證明該方法選取準確率比根據(jù)最大相關(guān)系數(shù)的方法選取的準確率提高了 8%以上。2.在上述選擇的IMF基礎(chǔ)上,進一步提取信號包絡(luò)。本文對常見的幾種提取心音信號包絡(luò)的方法進行分析、實驗、對比,最終選用希爾伯特變換的方法來提取信號包絡(luò)。3.對上述提取的包絡(luò)信號,進一步嘗試分割。通過對已有的分割方法的實驗、對比和改進,本文提出了雙閾值法和極值點相結(jié)合的方法對心音信號分割,相比于雙閾值法提高了分割精度。4.最后,本文就上述分割結(jié)果與前人基于隱馬爾可夫模型(HSMM)的心音信號分割方法進行了對比分析。從實驗結(jié)果可以看出兩種分割點誤差在5ms范圍之內(nèi),相對于平均一個心音周期800ms,誤差在±1%范圍內(nèi)。但是HSMM訓(xùn)練集需要使用ECG信號對PCG信號的峰進行標記,而且HSMM需要對模型進行訓(xùn)練,因此需要海量的數(shù)據(jù)支撐。而EEMD的方法是直接對波形進行處理,不需要ECG信號標記。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R540.4;TN911.7
【部分圖文】：

圖２．１心臟傳導(dǎo)系統(tǒng)示意圖［２０］逡逑心電的傳導(dǎo)路徑有五個元素組成：逡逑ａ）賣房（ＳＡ）節(jié)點（Ｔｈｅ邋ｓｉｎｏ－ａｔｒｉａｌ邋（ＳＡ）邋ｎｏｄｅ）；逡逑ｂ）房室（ＡＶ）節(jié)點（Ｔｈｅ邋ａｔｒｉｏ－ｖｅｎｔｒｉｃｕｌａｒ邋（ＡＶ）邋ｎｏｄｅ）；逡逑ｃ）希氏束（Ｔｈｅ邋ｂｕｎｄｌｅ邋ｏｆ邋Ｈｉｓ）；逡逑ｄ）左束和右束分支（Ｔｈｅ邋ｌｅｆｔ邋ａｎｄ邋ｒｉｇｈｔ邋ｂｕｎｄｌｅ邋ｂｒａｎｃｈｅｓ）；逡逑ｅ）浦肯野纖維（Ｔｈｅ邋Ｐｕｒｋｉｎｊｅ邋ｆｉｂｒｅｓ）；逡逑竇房結(jié)（ＳＡ）是心臟的天然起搏器，竇房（ＳＡ）結(jié)點以一定的頻率釋放電逡逑脈沖，每種電脈沖都會通過心房的心肌細胞，形成一股迅速通過心房的收縮逡逑波。心房收縮的快速性使得心肌細胞在不到三分之一秒內(nèi)收縮。來自竇房結(jié)點逡逑的電活動到達房室結(jié)點被短暫地延遲，使得收縮的心房有足夠的時間將所有血逡逑６逡逑

最易聽清心臟聲音的部位稱心臟瓣膜聽診區(qū)，與其解剖部位不完全一致，逡逑通常有５個聽診區(qū)［２５］。最常使用以下五個位置來聽取心音，這些位置能夠最逡逑好的聽到心臟聲音，并且這些位置根據(jù)心音閥門的位置命名［２５］：逡逑１．二尖瓣區(qū)：位于心尖處，在鎖骨中線的第五肋間隙。搏動最強點，又稱心逡逑尖區(qū)；逡逑２．肺動脈瓣區(qū)：在胸骨左緣第２肋間；逡逑３．主動脈瓣區(qū)：在胸骨右緣第２肋間；逡逑４．主動脈瓣第二聽診區(qū)：在胸骨左緣第３肋間，又稱Ｅｒｂ區(qū)；逡逑５．三尖瓣區(qū)：在胸骨下端，即胸骨左緣第４、５肋間；逡逑２．５心音特征參數(shù)逡逑心音常用的診斷參數(shù)還需要對各特征心音的起始、終末點進行界定，如圖２．５、逡逑

圖５．１邋（ａ）正常心音，（ｂ）從包絡(luò)線曲線中定義參數(shù)［Ｔｌ，邋Ｔ２，邋Ｔｉｌ．邋Ｔ１２］逡逑表５．１診斷參數(shù)的定義逡逑診斷參數(shù)邐定義和意義逡逑Ｔ１邐Ｓ１持續(xù)時間逡逑Ｔ２邐Ｓ２持續(xù)時間逡逑

【參考文獻】

相關(guān)期刊論文 前5條

1 樊振宇;;BP神經(jīng)網(wǎng)絡(luò)模型與學(xué)習(xí)算法[J];軟件導(dǎo)刊;2011年07期

2 王新沛;劉常春;李遠洋;孫處然;;基于高階香農(nóng)熵的心音分段算法[J];吉林大學(xué)學(xué)報(工學(xué)版);2010年05期

3 孫華剛;馮廣斌;曹登慶;毛向東;;經(jīng)驗?zāi)B(tài)分解端點波形延拓改進方法研究[J];電子測量與儀器學(xué)報;2010年04期

4 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(xué)與醫(yī)學(xué)工程;2008年02期

5 邵晨曦;王劍;范金鋒;楊明;王子才;;一種自適應(yīng)的EMD端點延拓方法[J];電子學(xué)報;2007年10期

相關(guān)碩士學(xué)位論文 前3條

1 李宏全;基于EMD的舒張期心雜音信號的分析與識別研究[D];重慶大學(xué);2016年

2 馬莉;基于小波包分解的復(fù)雜心音信號分段定位與特征提取研究[D];云南大學(xué);2015年

3 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(xué);2015年

本文編號：2811983