Detection of Mitral Valve Diseases by Bicoherence Analysis of Heart Sound Signals

The analysis of 10 normal and 51 mitral valve pathology making a total of 61 heart sound signals that were obtained with Littmann 4100 Digital Stethoscope were conducted in this study.Following the recorded sound signals were denoised by using wavelet filters,the signals were applied bicoherence analysis that is an high order spectral analysis method.It has been demonstrated that varieties of mitral valve pathology could be determined by three-dimensional surfaces of bicoherence and maximum bicoherence values.

MEMS心音传感器及检测电路优化设计

对基于微电子机械系统(MEMS)技术的心音传感器声敏结构进行了优化且设计了其检测电路。首先,针对心音信号的特点,设计了二次集成的扁平状仿生纤毛结构,对该结构进行仿真,确定了纤毛的尺寸参数和梁上最大应力1.2×10^(5) N/m^(2),对纤毛进行特征频率仿真,在硅油域中结果为711 Hz;其次由扁平状纤毛结构X轴接收噪声时梁上的应力仿真结果可知该结构具有抗干扰能力;最后设计了后端的放大电路和滤波电路并对传感器封装后进行测试。测试结果表明,该结构的信噪比达到了27 dB,较传统的圆柱形纤毛提高了35%,且其抗干扰能力也优于传统的圆柱形纤毛。优化过后的MEMS心音传感器具有抗干扰、低噪声、低成本、采集的信号不失真等优势,可为临床心音信号的采集提供关键核心部件。

心肺音分离方法研究进展

听诊是诊断心血管和呼吸系统疾病最有效的方法。为了达到准确诊断的目的,设备必须能够识别各种临床情况下的心肺音。然而,记录的胸腔声音通常为心肺音混合信号。因此,将心肺音混合信号分离对于医生听诊至关重要。本文介绍了心音信号和肺音信号的频率范围和信号特征,综述了目前心肺音分离方法的研究进展,阐述了现有各种心肺音分离方法的优缺点,指出了选取一种合适的心肺音分离算法来分离心肺音对辅助医疗的重要意义。

心音特征智能分析在心血管功能评估和疾病诊断中的应用

数字化心音与人工智能技术的结合可实现对心音进行精确地连续、定量分析和分类识别,使心音特征提取与融合分析在心脏血流动力学监测、心力衰竭分型诊断、先天性或风湿性心脏病分类、冠状动脉疾病检测等领域成为研究热点。本文综述心音特征智能分析在心血管功能评估和疾病诊断中的应用。

基于CEEMDAN和小波熵的心音信号去噪算法研究

针对传统心音去噪算法可能丢失部分重要心音信息问题,提出了一种自适应噪声完备经验模态分解(CEEMDAN)和小波熵结合的心音信号去噪算法。算法通过CEEMDAN将心音信号自适应分解成多个本征模态函数(IMFs),基于各阶本征模态的能量分析判别信噪分界点,对含噪IMF分量采用小波熵自适应阈值去噪后,与信号IMF分量重构,得到去噪后的心音信号。仿真结果显示,在不同信噪比条件下,上述算法均能明显提高心音信号的信噪比,降低均方根误差,优于其它传统去噪算法,具有良好地抑制噪声能力。

基于IAFSA-SVM的心音信号识别研究

为提高心音信号识别的准确率,针对传统的支持向量机(SVM)在寻找最优核函数参数和惩罚因子时存在的优化问题,提出一种改进的人工鱼群算法(IAFSA)优化SVM的心音信号分类算法(IAFSA-SVM)。首先将采集到的含噪心音信号利用改进的小波阈值进行降噪处理,并进行时频域分析提取出特征值;然后采用改进的人工鱼群算法寻找最优SVM参数,并输入到SVM识别模型中进行心音信号的识别。通过仿真证实IAFSA-SVM算法相对于传统的SVM模型和粒子群优化的SVM模型提高了心音信号识别的准确率,为心脏病的诊断提供了新方法。

基于树莓派的心音诊断系统

当今社会,心脏疾病已成为威胁人类健康的“头号杀手”。心血管类疾病一直伴随着我们人类,成为人们生活中最大的隐患,对人们的生命健康造成了严重的威胁。因此,为了提取反映心脏健康状况的定量的全方位的心音信息,利用先进的数字信号处理技术和计算机技术,以树莓派为中央处理器,通过被誉为“数学显微镜”的小波变换分析心音的各种成份时间,设计一套便捷的、高质量的心音采集系统,并与互联网信息连接,能够对心音信号波形进行显示。实验测试结果表明,该系统所提取的波形平滑,系统运行稳定,可以准确地判断出所采集的心音信号类型,这对于心血管疾病的预防有重大意义。

小波包与混沌集成的心音特征提取及分类识别

针对心脏疾病诊断过程中心音识别的难点,提出了一种结合小波包分析及混沌的特征提取的心音识别方法。首先分析统计了心音信号的小波包能量特征,然后选取小波包分解中能表征心音信号特征的分量进行混沌分析,计算了最大Lyapunov指数和关联维数;最后以这些参数构成特征矢量作为支持向量机的输入,对临床采集到的65例正常及有心脏疾病的心音信号进行识别分类。结果表明,结合小波包分析和混沌的特征参量,较传统的分类识别方法具有更高的识别精度,说明非线性混沌特征能够较有效地表征心音信号的特征,为下一步临床心脏疾病的更准确诊断奠定了基础。

心音自动分段算法研究

目的实现心音信号的自动分段 :第一心音、收缩期、第二心音、舒张期。方法提出了一种新的无需心电参考的心音自动分段算法 ,首先用最优的小波阈值滤波技术对心音信号预处理 ,保留并突出心音信号的基本特征 ;然后利用希尔伯特变换提取信号包络 ,对包络信号采取一定策略实现心音的自动定位。结果对临床采集得到的大量正常人心音与心脏病人心音数据对算法进行验证 ,尽管心音信号复杂多样 ,用此算法的正确分段率超过 95 %。结论心音自动分段算法正确率高 ,鲁棒性强 ,为各种心脏病的进一步诊断奠定了良好的基础。

心音采集电子综合实验项目设计与实现

面对目前高等教育中实验教学跨课程综合环节教学缺失的问题,提出了建设跨课程、跨学期的综合性实验课程的思想。采用心音采集作为示范项目,综合应用了信号传感、电路技术、微处理器技术以及简单的数字信号处理和控制原理等相关知识,以MSP430F6638微处理器为控制核心实现了对微弱心音信号的采集、存储、显示和传输。实验结果表明采集的心音信号能够清晰的显示出第一心音和第二心音。

基于样本熵快速算法的心音信号动力学分析

为了准确刻画冠状动脉狭窄引起的血流动力学状态改变,提出了一种基于样本熵快速算法的舒张期心音分析方法。首先利用小波变换去除心音中的呼吸干扰,然后采用改进的香农能量算法自动分割出舒张期段,最后对分割出的舒张期心音用快速算法估计样本熵。对25例健康人和25例冠心病人的分析结果显示,冠心病人和健康人在舒张期心音的样本熵值上具有显著性差异。利用该方法检测冠状动脉狭窄,敏感性为80%,特异性为84%。

基于Hilbert-Huang Transform的心音信号谱分析

心音信号是一种典型的非平稳信号 ,传统信号处理方法的应用受到很大限制。针对此本文提出了基于Hilbert-HuangTransform(HHT)的心音信号的分析方法 ,对冠心病患者的心音信号进行了分析。通过把心音信号分解为内蕴模式函数 ,利用Hilbert变换建立了心音信号的时间 -频率 -能量三维Hilbert谱分布以及边界谱分布 ;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性 ,揭示了冠心病患者心音信号的病理特征 ;为冠心病的早期无损诊断奠定了坚实基础 ,临床实践中有较大的指导价值。

基于coif5小波的多普勒胎心音信号提取算法的研究

胎心率监护是围产期胎儿监护的关键技术指标,超声多普勒测量胎心率是最常用的无创方法。由于胎心多普勒信号具有信噪比低、非平稳的随机性特点,提出基于coif5小波,结合双重阈值方法的胎心音信号提取算法。实验表明,该算法有效地解决了由于胎心率加倍、减半所引起的胎心率曲线翻转问题,提高了多普勒胎心音信号提取的准确性。

心音信号特征提取小波包算法研究

为了准确地提取心音信号的病理特征信息,在研究小波包分析的基础上,提出一种心音信号分频带能量特征提取的算法。基于心音信号频谱分析,采用能量集中度高、局部特性好的db6小波函数作为小波包母函数并选取适合心音信号分析的最优基,对不同的心音信号进行4层小波包分解,得到最优基的小波包系数。根据小波包系数与信号能量在时域上的等价关系,提取最优基频带的归一化能量作为心音信号的特征向量。采用类别可分离性判据,计算出该算法对正常和心脏疾病患者的心音特征的可分性测度均值为3.934 9,表明该算法能有效地识别不同的心音信号。

基于小波变换的心音信号滤波方法研究

为了准确提取心音信号,心音信号消噪是实现心血管疾病无创诊断的前提,传统的心音信号消噪方法在消除噪声的同时,也滤除了心音的有用信息。利用小波变换多尺度多分辨率的特点对心音信号进行分解,将不同频带的信号展现在小波分解的不同尺度上,根据心音信号的频率分布特点,通过选择重构系数可消除心音信号中的干扰分量,并对不同小波的消噪效果以及同一小波不同分解层数的消噪效果进行仿真对比研究。结果表明,在haar、db6、sym8、coif5四种常用小波中,db6小波对心音信号的消噪效果最明显,证明其中采用db6小波进行5层分解可以获得最佳消噪效果,并对临床采集的228例心音信号进行消噪实验,db6小波均获得了很好的效果。

基于LabVIEW8.2的心音信号检测与分析系统的研究

目的:研究心音信号检测与分析系统,以期通过心音信号的检测与分析能够客观地提取诊断信息,辅助临床诊断。方法:设计心音信号检测与分析系统硬件和软件,基于LabVIEW8.2的开发平台,对心音信号进行检测与分析。结果:该系统不仅能检测、记录、存储、显示心音信号,而且能对心音信号进行时域和频域分析。结论:该系统经临床初步应用,具有良好效果。

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.

定量递归分析和近似熵在心音分类识别中的应用

为了有效利用心音信号的非线性特征信息对心音信号进行分类识别,提出一种基于定量递归分析和近似熵的心音特征提取方法。首先利用递归图对心音信号进行定性分析;然后,定量提取心音的非线性特征参数:递归率、确定率、近似熵构成特征矢量;最后将特征矢量输入二叉树支持向量机,对采集到的正常以及5类心脏瓣膜性心音信号进行分类识别。对于文中提取的非线性特征参数,通过统计学分析证明了其有效性。结果表明,该方法能有效识别心音信号。

基于STC单片机和LabVIEW的心音信号检测系统

介绍了一种用于身份识别的心音信号采集和处理系统。该系统利用STC12C5A单片机作为核心控制器,通过自带的A/D对经过放大、滤波等预处理后的心音信号进行模数转换,然后通过RS232总线将信号传输到上位机进行处理,在上位机利用LabVIEW设计一套集数据采集、存储、回放和分析于一体的虚拟检测平台。实验结果表明,利用该系统采集三位被测试者60组心音信号,建立WPT+GA-SVM心音身份识别模型,其识别准确率达到了85%。

基于盲源提取和希尔伯特变换的心音包络提取

心音包络比原始心音可以更好地显示心音的特征,是进行心音识别的基础。由于在体表采集心音信号时容易受到呼吸音、外界环境中不确定干扰的影响而且干扰信号不容易被常规滤波器滤除,结果导致提取的心音包络不能真实反映心音的特征。为了准确的提取心音包络,提出了一种新的心音包络提取方法,首先采用盲源提取算法从采集的信号中获取比较纯净的心音信号,然后采用希尔伯特变换提取心音的包络。通过提取合成心音数据和实际采集的心音信号包络证明了上述方法的可靠性。