基于顺序统计量的心音分类

发布时间：2020-06-23 11:36

【摘要】：根据国家心血管病中心发布的《中国心血管病报告》,我国心血管病患病人数已达2.9亿。心血管病死亡占居民疾病死亡构成40%以上,因此对心血管疾病进行精确而有效地诊断具有重要的意义。目前较常用的诊断方法包括超声心动图和磁共振成像(Magnetic Resonance Imaging,MRI)等技术,虽然这些技术为诊断心血管疾病提供了更为直接和准确的证据,但该类技术所使用的设备成本高昂,体积庞大且操作复杂。作为一种非侵入性诊断方法,听诊在心脏检查中是成本低廉的有效手段,然而对听诊中的主观依赖性强,对医师的临床经验要求高。随着深度学习和机器学习的出现,提供了辅助诊断手段,降低了听诊的依赖性。心音信号分析是对心脏进行诊断的一种有效且方便的方法,然而信号分析中的自动心音分类仍然是一个具有挑战性的问题,主要体现对心音信号进行特征提取。现在的提出的特征只是考虑了心音信号的间隔和在时频上的变化,没有考虑心音信号幅值的变化。心音信号幅值变化反映了心脏活动的情况,而顺序统计量可以捕捉到这种幅值变化的规律。因此为了对心音分类提取更有效的鉴别特征,本文提出了一种基于顺序统计量特征的心音分类方法。本文研究的主要内容:1、心音信号的预处理:用小波对心音信号进行去噪处理,去除了一些频率与心音信号频率有重合的噪声。心音分割:基于逻辑回归和半隐马可夫模(Logistic Regression-Hidden Semi-Markov Models,LR-HSMM)的方法把心音信号分割成心音的四个组成部分第一心音(S1)、收缩期、第二心音(S2)、舒张期。2、心音信号的特征提取:包括顺序统计特征、时域特征、频域特征、卷积神经网络(Convolutional Neural Network,CNN)特征这四个特征的提取。顺序统计特征的提取(26维特征向量):对预处理后心音信号进行差分排序得到心音幅值的差分向量X,用直方图表示X的数值分布,将统计所得的分布向量(21维向量)作为特征;取向量X的最大值,最小值,均值,四分之一位数,四分之三位数(5维向量)作为对X的采样特征。时域特征和频域特征的提取:对心音信号进行预处理,然后进行心音分割,使用汉明窗和离散时间傅里叶变换来提取时域和频域特征。CNN特征的提取:在预处理之后,进行心动周期的提取,用带通滤波的方法对频带进行分割,然后提取CNN特征。3、心音信号的分类:支持向量机(Support Vector Machine,SVM)虽然是一个二层神经网络,但它能够凸优化,找到全局最优,所以本文选择支持向量机作为心音分类器。使用时域特征、频域特征、CNN特征和顺序统计量特征用于测试和训练SVM分类器。然后比较分析使用这些特征组合的分类结果。本文中使用的心音数据是来源于2016年的PASCAL心音分类挑战赛。数据集由五个数据库(A至E)组成,共包含3,126个心音录音,持续时间从5秒到120秒。本文使用评价指标是敏感性(Sensitivity,Se)、特异性(Specificity,Sp)和平衡错误率(balanced error rate,BER)。实验结果表明,与其他的特征相比,本文提出的顺序统计特征取得了比较好的效果。
【学位授予单位】：广东工业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：R540.4
【图文】：

波形图,心动周期,主动脉,声音

图 2-2 正常心音图Fig.2-2 normal phonocardiogram在通常的情形下，成人的心率是每分钟跳动 75 下，心率和心动周期是互为倒数的，所以基本上每个心动周期的时间是 0.8S[24]。当心脏跳动得速度很快的时候，例如当一个人在进行比较需要肺活量的活动的时候，那么心动周期会被减小，但在通常情形下，舒张期的时间与收缩期的时间相比，前者时间更长。除了时间域的特征以外，从图 2-2 中正常的心脏声音波形图，也能够得到与正常心脏声音信号的强度相关的信息。而且能够清楚地看到 S2 的强度小于 S1 的强度。人体的听诊地方一般分为以下四个地方[25]，如图 2-3 所示：（1）主动脉听诊区：这是右胸骨的第二肋骨之间的空间。这一区域是主动脉瓣狭小和封闭不充分，主动脉血流加多，升主动脉伸展，颈动脉畸形，由此产生的杂音和主动脉喷发的声音记录结果最好。

频率,随机频率,第二心音,平均频率

图 2-3 心音听诊位置示意图[25]Fig.2-3 schematic diagram of cardiophonic auscultation[2域特性S1 音相对较低，其持续时间长于 S2 的连续时间里面，S1 的平均频率大约在 40 赫兹-60 赫兹的频率比较高，并且基本上分散在低频率、中匀的频率是 60 赫兹到 120 赫兹左右[26]。由此可频率相比于第二心音频率较小，但两者的频率析更加艰巨。心音的复杂性和随机性证明了不程度上的有部分起伏。例如，在不一样的测试测试者的心率样本具有适当的随机频率[27]。

【参考文献】