基于分割的自适应特征提取诊断心音方法

针对心音特征具有随其可分割性而改变的性质,提出一种基于心音分割的自适应特征提取算法,进而创建一种创新型的心脏病诊断系统。其创新点主要体现在:基于短时修正希尔伯特变换的第一复杂心音(CS1),第二复杂心音(CS2)或完整心音(CS)的自适应分割提取;基于分割心音的自适应频率特征FF1或FF2提取;基于主成分分析的多尺度特征[γ11、γ12]和[γ21、γ22、γ23]降维处理。实现此研究目标的2个阶段概括为:① 自动统计分析两个连续峰值之间的时间间隔,以此来确定心音的可分割特性;② 基于心音分割的自适应特征提取以及降维处理。通过在线数据库和临床数据库中提取的心音特征的散点图对系统性能进行初步评估验证。

基于STMHT算法的心音分割研究

第一心音(S1)和第二心音(S2)的定位和提取是利用心音分析诊断心脏病时的首要任务。鉴于此,本研究提出一种基于STMHT的心音分割法,分别提取S1和S2。本研究分为以下3个阶段:第一阶段,采用小波分解对心音信号进行预处理,保留心音信号的有效成分(21.5~689.0 Hz);第二阶段,用Viola积分波形法提取心音包络;最后,基于STMHT算法自动定位和提取S1和S2。对30例心音信号的提取结果进行评价,结果表明,S1和S2提取的准确率高达97.37%,优于其它已实现的有效方法。