基于移动平台的心音诊断系统的研究与应用

发布时间：2018-04-15 04:22

本文选题：移动医疗 + 心音识别　；参考：《重庆理工大学》2014年硕士论文

【摘要】：随着人们对健康生活的不断追求，很多国家都开始寻求一种安全有效的，同时又是人们能够负担得起的医疗保健服务系统。现今的医疗系统导致了高额的资金预算，并且还在呈现逐年上升的趋势，其中导致全球医疗服务花费不断上涨的最主要的原因之一就是医院里面繁杂的医疗手续花销。另一方面，由于医疗资源受限，也导致了目前看病难，看病贵等问题，人们都迫切地希望能够坐在家里看病。为了解决上述问题，我们必须对现有的医疗服务系统进行改革创新，现在人们想到将医疗服务与通信服务结合起来，创建一种全新的集省钱、适用、安全并且标准规范于一身的医疗服务系统，这就是移动医疗系统（mobile health，简称m-Health）。简单的说，就是将医疗设备与目前广泛流行的移动设备联系起来，以达到快捷诊治疾病的目的。目前，慢性病的防治已经成为全世界面临的巨大难题之一，而其中心血管疾病更是让人防不胜防，这与人们目前的生活水平及生活方式有着密切的关联。心血管疾病是一类具有高发病率，且突发性强的疾病，这也是使其对人类健康构成巨大威胁的主要原因。如何实现对心血管疾病的实时监测和诊断已经成为了世界各国迫切需要解决的问题，这也是成功实现对心血管疾病进行预防和治疗的重要前提。本文旨在以目前生活当中常用到的安卓（Android）智能手机为平台，实现对心音信号的预诊断，从而实现心血管疾病的自动诊断及预警，这有利于实现心血管疾病早期患者的家庭保健，达到降低心血管疾病发病率的目的。文中采用一种新的分析方法——状态描述方法（SRM）来对心音信号进行分类识别，实验结果表明，该方法不仅能够有效地识别正异常心音，而且与传统的分类识别方法，如人工神经网络(ANN)、支持向量机(SVM)等方法相比，还能够大大缩短计算时间。考虑到手机用户对软件的体验需求，显然SRM方法更适合用于本课题中基于移动平台的心音分类识别。论文的主要研究内容包括：（1）对心音进行预处理，实验中采用传统的预处理方法，如去均值、归一化、以及小波分解去噪等。通过这部分的预处理，可以省去SRM算法中的数据量化过程。（2）采用多尺度特征波形(MS-CW)及特征波形矩(CMW)对心音信号进行准确分段。（3）从时域、频域及时频三个角度提取心音信号的特征值，具体方法包括：小波变换(WT)、多尺度特征波形(MS-CW)结合特征波形矩(CMW)及快速傅里叶变换(FFT)。通过分析挑选出相关性小的特征值。（4）本文将一种新的分析方法——状态描述方法用于心音信号的分类识别。通过构建正常心音模型，选择合适的尺度，实现对正异常心音进行分类识别。实验中对66组正常心音及80组异常心音进行分类识别，正常心音的分类准确度为100%，异常心音的分类准确度也达到了93.8%。（5）在Android平台上实现心音预诊断，整个软件实现了心音文件的播放、保存及正异常诊断结果显示等多种功能。在Eclipse中进行模拟器调试，最终实现该系统的真机运行。实验结果表明，利用系统状态描述方法中的尺度工具，可以得到较理想的正异常心音的分类结果。与传统的医院心脏听诊相比，基于移动平台的心音诊断系统将实现心血管疾病患者以及正常人群的家庭保健。另外，与传统的评价方法相比，系统状态描述方法还能够对一个人不同时期的心音状态进行评估，这也为今后心血管疾病的防治工作及研究提供了一种新的思路和方法。
[Abstract]:......
【学位授予单位】：重庆理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN911.7

【参考文献】