基于Bi-LSTM网络的先心病心音识别研究

发布时间：2020-10-22 16:26

　　 心音能真实反映心脏工作状况,是医生诊断心血管疾病的重要依据。先心病的临床诊断分为初诊和确诊两个阶段。初诊及筛查阶段主要凭借听诊器,通过心脏听诊以确定疑似患者,这需要医生要有丰富的临床经验,基层医生往往难以胜任,若经验不足容易造成误诊或耽误病情。确诊阶段主要使用超声心动图仪对疑似患者进行复查,该设备价格昂贵,目前无法配备到乡镇卫生院等基层医院。现在,先心病的筛查还是以心脏听诊为主,由于我国地区发展不平衡,尤其是云南基层医疗资源匮乏,先心病的筛查基本上是依靠省级医疗队巡回下乡完成,这对及时、及早发现先心病患者非常不利。因此,分析研究先心病心音信号、提取相关病理特征,研究机器辅助诊断技术尤其重要,能够提高基层医生对先心病筛查的准确率。本文结合心音信号的特点,提出了一种基于Bi-LSTM网络和Mel频率倒谱系数的心音信号识别算法,较好地解决了先心病心音信号的分类问题,为先心病临床诊断提供参考。对心音的分析处理涉及:信号预处理、特征提取、识别研究三个环节。信号预处理:包括心音信号降噪、包络提取等。首先,对原始心音信号进行小波5层降噪处理,得到小波去噪后的信号;之后提取心音信号的希尔伯特包络,并以S1为起始点截取长度6秒的信号。特征提取部分:对比LPCC、BFCC、MFCC三种特征提取的方法,最终对截取到的信号提取梅尔倒谱频率系数作为特征参数。识别环节:对比了 BP、RNN、LSTM、Bi-LSTM四种神经网络的识别效果,最后选择能够克服其它三种网络缺陷的Bi-LSTM网络对心音信号进行识别。结果表明Bi-LSTM网络具有较好的识别效果,心音信号的正确识别率到达84.20%。
【学位单位】：云南大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：R541.1;TN912.34
【部分图文】：

壁等行为产生的机械运动，经过周围组织传递至胸壁发生的微弱振动，称之为心??音。而所谓的心动周期，包括两个期？．舒张期和收缩期。舒张期，心脏充盈；收??缩期，心脏射血。图１．１是一个完整的心动周期。当心室开始收缩，产生第一心??音，即Ｓ１；在心室收缩末尾时，发生第二心音，即Ｓ２；在Ｓ１和Ｓ２之间的时期，??是心室的收缩期；在Ｓ２和下一个Ｓ１之间的时期，是心室的舒张期。??２??

小波变换分解重构的信号可以表示为：??Ｓ?＝?Ａ５?＋?ＤＳ?＋?Ｄ４?＋?Ｄ３?＋?Ｄ２?＋?Ｄ１中，小波基、分解层数以及阈值函数等的选择尤布在１０ＨＺ？１０００ＨＺ，大于１０００ＨＺ的大部分都是率，由采样定理可以得出最大频率是２５００ＨＺ，选择５层小波分解，表２．１是具体的小波分解各表２．?１五层分解的各层频率近似分量（ａ）?细节分量（Ｔ１２５０?１２５０？２５０？６２５?６２５？１２０＇３１２?３１２＇６２０？１５６?１５６？３１０？７８?７８＇１５

?ｘ１（）４??图２．２分解的各层效果图??图２．２中，ｄｌ？ｄ２是第一层到第二层的细节分量，几乎都是噪声，将其置??零。ｄ３？ｄ４是第三层到第四层的细节分量，既包含噪声又包含有用信息，实验??中进行阈值处理，保留有用信息。将第五层的细节分量（ｄ５）和第五层的近似分??量（ａ５）保留，最后进行信息重构。图２．?３是信号去噪前后的效果。明显从图中??观察到毛刺减少
【参考文献】

相关期刊论文 前8条

1 周克良;章祖忠;周利锋;聂丛楠;;一种新阈值函数的小波变换在心音去噪中的设计[J];制造业自动化;2015年20期

2 郭兴明;何彦青;卢德林;袁志会;;平移不变小波在心音信号去噪中的应用[J];计算机工程与应用;2014年24期

3 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

4 胡晓静;黄国英;;新生儿先天性心脏病筛查的研究进展[J];国际儿科学杂志;2014年02期

5 刘学;李婷;孙宸;崔小东;杨春煊;轩永庆;;基于小波变换的心音信号去噪方法[J];科技信息;2013年02期

6 尹晨晓;郭英;张碧锋;刘霞;;基于Bark小波的语音端点检测算法[J];计算机工程;2011年12期

7 尹许梅;何选森;;基于Bark子波变换的MFCC特征提取[J];计算机工程;2011年11期

8 陈天华;韩力群;唐海滔;郑若金;;心音信号分析方法及应用性研究[J];北京工商大学学报(自然科学版);2009年02期

相关硕士学位论文 前10条

1 周永生;基于LSTM神经网络的PM2.5预测[D];湖南大学;2018年

2 柏万宽;RNN神经网络在股票指数价格预测模型的研究与应用[D];重庆大学;2018年

3 熊冰峰;基于听觉特征参数的说话人识别技术[D];湘潭大学;2016年

4 胡新辰;基于LSTM的语义关系分类研究[D];哈尔滨工业大学;2015年

5 唐赞;先天性心脏病心音识别与量化研究[D];西华大学;2015年

6 周婷婷;基于MFCC和PSO-BP神经网络的说话人识别系统[D];南京邮电大学;2015年

7 李静佳;多位置融合心音身份识别技术研究及系统实现[D];杭州电子科技大学;2015年

8 胡炼;基于NPC和改进的MFCC鲁棒语音特征提取研究[D];湖南大学;2011年

9 马永华;改进BP神经网络在心音身份识别中的应用研究[D];南京邮电大学;2011年

10 云霞;基于Mel倒谱和Bark谱失真距离的汉语音质客观评价研究[D];西南交通大学;2004年

本文编号：2851830