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。

基于小波能量谱的先天或风湿性心脏病异常心音分类算法研究

目的为解决先天性心脏病或风湿性心脏病异常心音分辨问题,应用离散小波频带能量对异常心音分类算法进行研究。方法采集22人的正常心音和116人的异常心音,对心音信号做离散小波变换,根据病理性心杂音在频域内的分布范围划分5层频带,计算得到各层频带的能量占比,根据单因素方差分析方法,提出了基于小波能量谱的心音分类指标。结果对正常心音和异常心音的4个听诊区域进行了分类,最优分类准确率为92%。区分动脉导管未闭和其余异常心音的最优分类准确率为81.9%。结论基于小波能量谱的心音分类算法无需对心音信号进行分割,提取特征值少,可准确有效地对心音信号进行分类,相较于传统的心音听诊,算法的引入能够在异常心音临床诊断中提供参考数据。