基于DTW的冠心病舒张期信号特征提取研究

发布时间：2017-09-22 19:24

  本文关键词：基于DTW的冠心病舒张期信号特征提取研究

  更多相关文章： 冠心病 舒张期心音 小波阈值降噪 动态时间规整 支持向量机

【摘要】：冠心病(CAD)长期以来是严重威胁人们身体健康的最重要疾病之一。而且随着生活水平提高,高脂肪摄入与运动缺乏等不良生活习惯造成发病患者越来越趋于年轻化,发病率越来越高。冠心病诊断的“金标准”是冠状动脉造影,但其有创且价格昂贵,不适合大众常规检查和广泛普查。心电图、心脏超声和心肌核素诊断、多层螺旋CT冠脉成等作为辅助无创检查已在临床广泛应用,但由于无创检查机理不同所适用范围也很有限。由于现代信号处理技术的发展,传统心音学越来越受重视。特别是近些年语音信号处理技术的快速发展和应用,为声学信号处理打开了前景。本课题研究基于动态时间规整(DTW)的冠心病舒张期信号特征提取技术。对冠心病心音信号的特征提取以及判别分类上做了一些研究工作。主要包括以下几个方面:1.国内外冠心病心音研究现状分析。2.心音信号样本的采集:分别采集冠心病患者、其他心脏病患者以及正常健康人的心尖区心音信号。3.基于冠心病心音信号舒张期高频增强这一病理特性,提取舒张期信号,对其进行小波阈值降噪,然后分帧加窗处理研究,每帧时长64ms。4.对心音信号进行自动分段。5.研究分析各帧在频域上的差异特性,取出各帧180—250Hz频带能量作为特征,维数为帧数。6.针对冠心病舒张期心音高频增强但增强持续时间以及出现增强的位置不同,但病理杂音出现先后不变的特点,采用改进的动态时间规整(DTW)算法进行计算不同维度的特征向量匹配距离以及规整成相同维度向量。7.对比平均距离分类法、平均向量分类法以及支持向量机(SVM)三种分类法对特定人与非特定人混合样本的分类效果。通过优化查找出平均距离分类法中的最佳初始模板,以及优化SVM参数,得出较好结果。本文从病理特征出发对临床冠心病信号的采集、预处理、特征提取及分类分析进行了全面的研究。针对个人心率差异性以及病理性心杂音出现的位置差异,提出将DTW应用到冠心病心音信号处理中,并利用临床采集的心音数据进行三分类验证,获得了较好的分类结果。通过对各个部分的实验与研究,为开发临床冠心病心音无损诊断系统做了基础性工作。
【关键词】：冠心病 舒张期心音 小波阈值降噪 动态时间规整 支持向量机
【学位授予单位】：西华大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R541.4;TN912.3
【目录】：

• 摘要4-5
• Abstract5-9
• 引言9-11
• 1 冠心病11-20
• 1.1 冠心病发病原理11
• 1.2 冠心病诊断状况11-14
• 1.2.1 临床常规诊断方法11-12
• 1.2.2 冠心病心音信号12-13
• 1.2.3 冠心病舒张期心音诊断13-14
• 1.3 冠心病心音信号的采集14-19
• 1.3.1 心脏听诊14-15
• 1.3.2 心音信号的采集15-19
• 1.4 本章小结19-20
• 2 心音信号的去噪20-28
• 2.1 常见的心音信号噪声组成20-21
• 2.2 常见降噪方法分析21-22
• 2.3 小波阈值收缩消噪算法22-27
• 2.3.1 算法步骤23
• 2.3.2 传统的阈值23-24
• 2.3.3 传统的阈值函数24-25
• 2.3.4 改进的小波阈值收缩消噪算法25-27
• 2.4 本章小结27-28
• 3 心音信号的预处理28-34
• 3.1 心音信号的包络提取28-30
• 3.1.1 希尔伯特变换28-29
• 3.1.2 归一化平均香农能量29-30
• 3.2 心音信号的自动分段30-31
• 3.3 心音信号的分帧加窗处理31-33
• 3.4 本章小结33-34
• 4 心音信号特征提取34-51
• 4.1 冠心病心音信号特征的选取34-38
• 4.2 两种动态时间规整（DTW）38-42
• 4.2.1 动态时间规整38-40
• 4.2.2 改进的动态时间规整40-42
• 4.3 隐马尔可夫模型（HMM）42-44
• 4.3.1 HMM的种类43-44
• 4.3.2 HMM模型三问题44
• 4.3.3 HMM模型三算法问题44
• 4.4 冠心病心音信号的训练预处理44-50
• 4.5 本章小结50-51
• 5 支持向量机的三分类51-64
• 5.1 最优分类面51-53
• 5.2 广义最优分类面53-54
• 5.3 支持向量机54-56
• 5.3.1 高维空间的最优分类面54-55
• 5.3.2 支持向量机三分类55-56
• 5.4 心音分类分析56-63
• 5.4.1 概述56
• 5.4.2 基于支持向量机的心音分类56-61
• 5.4.3 数据统计与结果分析61-63
• 5.5 本章小结63-64
• 结论64-65
• 参考文献65-68
• 攻读硕士学位期间发表学术论文情况68-69
• 致谢69-70

【相似文献】

中国期刊全文数据库 前2条

1 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

2 ;[J];;年期

中国硕士学位论文全文数据库 前3条

1 邵丹;基于DTW的冠心病舒张期信号特征提取研究[D];西华大学;2015年

2 张莉;冠心病舒张期心音信号的非线性分析算法研究[D];杭州电子科技大学;2014年

3 王胜涛;基于EEMD的冠脉狭窄舒张期心音分析算法研究[D];杭州电子科技大学;2011年

，

本文编号：902619