基于高阶香农熵的心音分段算法

针对心音分段中存在的分段结果容易受心杂音干扰的问题,改进了基于香农能量的心音分段算法。先用小波变换对心音信号进行预处理,消除环境噪声和高频杂音的影响,再计算信号的高阶香农熵,并以此作为信号包络,抑制低频杂音的干扰,最后根据生理知识对包络进行分段,确定分段边界。利用本算法对包含正常和异常心音的实验数据进行分段,正确分段率达96%以上。

基于多尺度特征波形的心音分段算法

目的:实现心音信号的自动分段;定位第一心音、第二心音、杂音。方法:提出一种无需心电参考的心音自动分段算法。利用小波变换对心音信号进行多层分解-重构,保留心音信号主要成分,削弱杂音比重,突出心音基本特征;提取心音信号特征波形,进而得到心音包络,对心音包络采用相关算法,实现心音定位。结果:采用612个周期不同病症的心音信号进行验证,平均心音信号分段正确率为98%。结论:仿真结果表明,心音信号分段算法抗噪能力强、分段正确率高。

基于HHT的心音分段和医学指标提取

提出了一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使包络更加平滑,分段更加准确。针对希尔伯特包络不平滑的问题,提出一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使得所得包络更加平滑;针对经验模态分解(EMD)时采用三次样条插值而造成的端点效应问题,采用镜像闭合端点延拓方法予以解决。实验表明使用提出的新方法可以得到更好的结果。最后对心音信号进行包括心率、S1/S2和D/S在内的医学指标的提取和分析,这为临床上评估心脏储备提供了便利。

基于HHT和PPA的心音分段算法研究

心音是人体的一种重要的生理信号,它含有大量关于心脏病理状况的相关信息,反映了心脏及心血管结构及生理和病理信息。针对能否有效地提取第一心音(S1)、第二心音(S2),从而判断心脏是否病变,并且作为后续研究的基础,提出基于HHT和PPA的心音分段算法,包括首先利用希尔伯特-黄变换(HHT)进行心音包络的提取,然后利用中值滤波对包络进行平滑处理,最后通过峰逐层算法(PPA)来消除多余的低幅度峰值。通过对40例心音进行分段处理,可以对其中的39例进行正确分段。结果证明这种方法可以有效地提取心音信号的S1、S2,为后期的识别研究奠定了良好的基础。

基于信号包络及短时过零率的心音分段算法

心音能有效地反应心脏尤其是瓣膜活动状况,研究基于心音的心脏病决策系统具有重大意义。心音分段是建立心音决策系统的基础和前提,其目的是定位心音的主要成份,为特征提取与模式识别提供定位基准。本文通过使用双门限、迭代等方法,改进了基于信号能量的分段算法,并首次引入短时过零率以更准确地定位分段边界。实验结果表明,该算法对正常心音及常见异常心音分段效果良好。

基于简单度和能量的心音分段算法研究

研究诊断心血管病,结合形象化,利用图像检测,提高诊断水平。心音分段是心音图分析的一个重要环节。分段效果将直接影响心脏疾病的诊断水平。为了提高心音的分段正确率,根据动力学复杂性原理,提出一种简单度和归一化平均香农能的心音分段算法。对于复杂多样的心音信号,算法不仅分段正确率高,而且还能准确计算出第一心音和第二心音的时限。通过对144例正常心音和异常心音信号进行分段仿真实验,结果表明,算法是一种有效的和鲁棒性强的心音分段技术,为后期心音信号的识别奠定了良好的基础。

基于自适应阈值的心音分段方法仿真研究

针对心音信号频率低、易受干扰并含有大量杂音的特点,提出了一种心音分段新方法。首先,采用dB6小波进行5层小波分解做心音信号降噪处理;然后,采用了一种提取降噪后心音信号连续平均能量包络的方法;最后,根据连续平均能量包络及自相关函数提出了一种自适应阈值心音分段方法。仿真结果表明,该方法所提取的心音信号包络特征更稳健,提出的分段算法与基于短时能熵比法和短时自相关函数法等心音分段算法相比,本文所提算法分段准确度更高。

基于自适应阈值的心音分段算法研究

心音信号可以反映人体心脏瓣膜活动情况,对心音进行分类可以区别出不同心音的病理性信息,这对于临床上诊断不同的心脏疾病具有重要的意义.心音分段是进行心音分类的前提,通过心音分段可以定位出心音中的第一心音(S1)和第二心音(S2),为心音特征参数提取与心音分类提供定位基准.为此,本文提出了一种新的自适应阈值选取心音分段算法.该方法首先利用小波变换默认阈值法对心音信号进行去噪;然后使用归一化香农能量来提取较为平滑的心音包络;接着对包络进行有效地峰值检测,从而确定初始大阈值TH1,并通过迭代法得到最终稳定的双阈值;最后进行心音分段以及分段结果分析.针对部分异常心音分段结果,如心音分裂等的分段结果,利用心音时域、能量等特性实现心音段的合并或去除,保证了分段结果的准确性.实验结果表明,本文方法对正常及异常心音分段准确率分别为97.24%和91.83%,总体分段准确率为95.56%,分段准确率高于传统的阈值选取分段方法.

基于简单度的包络提取算法在心音分段中的应用

有效提取心音包络对于检测S1、S2,分离杂音进而判断心脏病类型和严重程度具有重要意义。我们应用动力学复杂性,给出一种有效的心音包络提取方法及仿真结果。该方法能够有效分离二尖瓣关闭不全信号的S1、S2和杂音,明显突出肺动脉瓣关闭不全信号中幅度较低的S2,准确判断二尖瓣狭窄杂音持续时间。经验证,该方法具有对幅度变化的鲁棒性,在信号不同成分交界处,包络边沿变化陡峭,降低了后期心音成分提取和辨识工作的难度。

基于双阈值的心音快速分段算法及其应用研究

为了准确识别出心音信号中的第一心音、收缩期、第二心音和舒张期,需要对心音信号进行分段处理。提出一种基于两次阈值函数选择的心音分段快速算法。第一次是对心音信号进行小波变换后,采用最优阈值实现小波去噪,该阈值函数的自适应选择既可消除背景噪声,也不会导致信号某些微弱特性的消失;第二次自适应阈值的选择是对心音信号进行分段的过程中,通过对阈值的选择,达到心音最优的分段结果。实验结果表明,该心音分段算法对正常心音的分段精度达到了96%,对非正常心音的分段精度超过了92%,从而证明了该算法的有效性。

HILBERT包络法在心音身份识别中的应用

在分析心音信号特征的基础上,对心音信号进行预处理,再利用希尔伯特变换对心音信号进行心音信号包络提取,突出了心音信号的第一心音和第二心音。然后对心音包络进行分段,通过单周期心音包络的归一化能量实现了心音信号的身份识别。