基于S变换的先心病心音信号特征提取与分类识别研究

发布时间：2020-04-28 19:24

【摘要】：心音是诊断先心病的主要依据,传统的心脏听诊容易受听诊医生主观因素的影响,而心脏彩超是检查患者是否患有心脏病最直接最有效的方法,但是对于偏远地区的患者来说他们可能负担不起这笔费用,而且对医疗设备的要求很高。因此,心音信号的分类识别对心血管疾病的诊断具有重要的意义,从而实现帮助医生辅助听诊。本文通过S变换方法和小波变换方法提取心音的信号特征,对正常和异常的心音信号分类识别,通过对比说明方法的有效性。本文首先结合先心病心音信号的相关知识做了简要的介绍,然后在此基础上对临床采集的心音信号进行分析研究,主要内容包括心音信号的预处理、特征提取和分类识别。其中,预处理主要是对心音信号进行去噪、提取包络和分段定位,得到心音信号的每一个心动周期,然后采用S变换和小波变换提取每一个心动周期信号的不同特征参数,通过BP神经网络对心音信号进行分类识别,比较两种特征参数的识别效果。通过对随机选取的361例先心病心音信号提取不同的特征参数进行分类识别,基于S变换的特征提取并用BP神经网作分类识别,对正常和异常心音的平均识别率为80.4%,用小波变换提取的特征参数进行分类识别其平均识别率为76%。说明与小波变换方法相比,用S变换能提取到更好的CHD心音时频特征。
【图文】：

心音信号预处理流程图

心音听诊示意图
【学位授予单位】：云南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN911.7;TP183

【参考文献】

相关期刊论文 前10条

1 全雪峰;;基于S变换和局部奇异熵的心音信号识别[J];电子技术与软件工程;2015年15期

2 高清河;刚晶;王和禹;;基于平稳小波变换心音信号阈值去噪的对比分析[J];计算机与数字工程;2015年06期

3 吴巧玉;叶志弘;虞雪琴;;心血管疾病相关健康评估的研究进展[J];护理与康复;2015年05期

4 李炜;黄倩;;基于小波时频分析的心音异常信号检测[J];电子设计工程;2015年06期

5 成谢锋;杨贺;;5种小波在心音信号处理中的分析与比较[J];南京邮电大学学报(自然科学版);2015年01期

6 李江;李晓玉;;基于HHT的心音分段和医学指标提取[J];控制工程;2015年01期

7 成谢锋;陈泓;姬汉贵;郭宇锋;张少白;;一种基于集总参数的心血管系统仿真模型及心音产生机理[J];中国科学:信息科学;2014年09期

8 严英榴;;常见先天性心脏病的产前诊断[J];中国产前诊断杂志(电子版);2014年03期

9 张磊邦;唐荣斌;蒋建波;张帅;池宗琳;王威廉;;基于小波变换的心音特征值提取算法研究[J];电子测量技术;2014年06期

10 张莉;赵治栋;;基于S变换和Renyi熵的舒张期心音信号分析[J];杭州电子科技大学学报;2014年03期

相关硕士学位论文 前9条

1 杨贺;深度学习算法的研究及心音深度识别系统的构建与优化[D];南京邮电大学;2016年

2 刘丽萍;基于AR模型参数谱估计的先心病特征提取及分类识别研究[D];云南大学;2015年

3 马莉;基于小波包分解的复杂心音信号分段定位与特征提取研究[D];云南大学;2015年

4 李晓玉;基于包络提取的心音信号分段算法的研究[D];浙江大学;2015年

5 卢德林;基于奇异谱去噪的心音信号混沌动力学分析[D];重庆大学;2013年

6 江洪;基于小波和HHT的心音信号分析与识别[D];武汉理工大学;2012年

7 钟丽莎;心音信号特征分析与识别算法的研究[D];重庆大学;2011年

8 杨赛;BP神经网络学习问题的分析研究[D];江西理工大学;2010年

9 姚晓帅;基于神经网络的心音信号识别算法研究[D];重庆大学;2004年

，

本文编号：2643788