CN101357076B - 远程心脏储备指标分析系统及其方法 - Google Patents

Abstract

本发明公开了一种远程心脏储备指标分析系统及其方法，其中方法包括如下步骤：1)心音信号预处理，2)采用小波变换对心音信号进行包络提取，3)选取自适应阈值去除非第一、第二心音信号成分，4)计算经步骤3)处理后信号的一阶差分值并选取差分阈值处理检测峰值，5)根据心音信号特征确定第一心音和第二心音并计算心脏储备指标；本发明的有益技术效果是：提供了一种无创、便捷、实用和普及的心脏储备指标远程监护技术。

Description

远程心脏储备指标分析系统及其方法

技术领域

本发明涉及一种远程监护心脏储备指标技术，尤其涉及一种远程心脏储备指标分析系统及其方法。

背景技术

心脏储备是心脏功能的一个最重要的方面。目前已经有多种心脏功能的测试和评估方法：

1，心电图检查：

心电图检查是心脏变时性和变传导性的最佳监测方法，但不能用来监测心脏的变力性；

2，心导管检查：

心导管检查测定心功能虽然客观、量化，但属于有创伤检查，需在导管室无菌操作下进行，且不宜重复使用；

3，超声心动图：

超声心动图能通过对心腔各径从舒张期到收缩期的变化程度和速度以及射血分数等的测算来评估心肌的功能状态，但不便于现场应用，且某些指标敏感性较差(例如，Carabello在Circulation杂志对理想的心肌收缩能力的指标提出了5个要求：对心力变化敏感，对负荷独立，对心脏大小和质量独立，易于应用和安全，证明能用于临床条件，Carabello指出，射血分数指标易于应用，但敏感性差)；此外，超声检测的最大心肌劲度(maxEav，即左室收缩末期应力-应变关系的斜率)是评估心力的最佳指标，但尚不能普及应用；

4，放射性核素心血池显影：

放射性核素心血池显影的敏感性、特异性都高，但价格昂贵，难以推广；

5，最大氧摄量及无氧代谢阈测定：

最大氧摄量及无氧代谢阈测定虽属客观、实用、可靠，但又受呼吸功能的影响，且不适于在日常条件下应用。

心音信号的分析和研究对心脏储备能力的评估有重要意义。心血管系统的病变在导致ECG信号出现异常前，可能首先出现心脏杂音和心音变异，心音具有心电不可替代的诊断信息。由于任何心脏病最终都有可能导致心力衰竭，在心血管病诊断，治疗和康复过程中对心脏变力性，变时性和变传导性进行监测和评估是非常必要的常规工作。

目前关于心音信号的传输技术的应用，根据文献报道，已有的是基于GPRS网络，GSM网络的远程传输和基于蓝牙的短距离无线传输。GPRS和GSM价格比较贵，蓝牙一般传输距离不超过1000m，不能为更远距离的人们服务。而基于电话网络的传输方式还未见国内有类似研究，电话相对于以上传输方式更廉价，更易于进入社区和家庭。基于电话网络的心音信号的远程传输在远程医疗上将有非常广泛的应用前景。我国的电话网络已经十分发达，而且普及率很高。利用电话终端来传输心音生理信号，从而实现远程诊断和监护，为多方面测试心脏状态提供一种新的有用技术，并具有无创性、便捷性、实用性和普及性。

发明内容

本发明公开了一种心脏储备指标的分析方法，它包括：1)心音信号预处理，2)采用小波变换对心音信号进行包络提取，3)选取自适应阈值去除非第一、第二心音信号成分，4)计算经步骤3)处理后信号的一阶差分值并选取差分阈值处理检测峰值，5)根据心音信号特征确定第一心音和第二心音并计算心脏储备指标。

1)心音信号预处理，包括：将心音信号进行重采样后，采用最小二乘法消除多项式趋势项，并且对心音信号进行数字低通滤波处理，使用五点三次法对心音信号进行平滑。

所述心音信号进行重采样，包括：对收到的心音信号进行5点重采样，采样频率2205Hz。

所述2)采用小波变换对心音信号进行包络提取，采用Morlet小波对信号进行包络提取。

3)选取自适应阈值去除非第一、第二心音信号成分，包括：心音能量包络信号最大值乘以修正系数a，即为所选阈值，a取值0-1，将所有小于该阈值的点的值赋为0。

步骤4)中所述的选取差分阈值处理检测峰值，包括：根据5秒心音能量数据算出10个最大差分值，排序去除其中的最大、最小值，对剩下的8个最大差分值取其算术平均值，得到的算术平均值乘以修正系数b即为差分阈值X，根据差分阈值X去除处理过程中的尖峰干扰。

所述心脏储备指标，包括：心率，第一心音幅值/第二心音幅值和舒张期时间/收缩期时间。

一种基于上述方法的远程心脏储备指标的分析系统，它包括：心音信号采集模块、电话网络、心脏储备指标分析模块，心音信号采集模块采集被监测者的心音信号，把采集到的心音信号通过电话网络传输到心脏储备指标分析模块，由心脏储备指标分析模块对被监测者的心音信号进行处理、存储和分析。

心音信号采集模块包括：心音传感器、阻容耦合电路、高/低通滤波器、陷波器、增益控制电路，阻容耦合电路提取心音传感器输出信号中的有效交流成份并抑制直流漂移，阻容耦合电路的输出信号经高/低通滤波器处理后传输到陷波器，陷波器用于消除50HZ工频电磁场的干扰，陷波器输出信号经增益控制电路处理，防止心音信号幅值过高或过低的情况。

采集到的心音信号通过电话网络传输到心脏储备指标分析模块，包括：采集到的心音信号经光电隔离电路处理后传输到电话音频输入端，通过电话线网络传输到接收端，接收端将电话线网络传输来的心音信号通过相同的光电隔离电路处理后输入计算机音频接口。

本发明的有益技术效果是：提供了一种无创、便捷、实用和普及的心脏储备指标远程监护技术。

附图说明

图1，本发明的结构框图；

图2，心音信号采集模块电路原理图；

图3，心音信号传输电路原理图；

图4，心脏储备指标分析软件流程图；

附图中：图1中的“放大滤波电路”包括了：阻容耦合电路、陷波器、增益控制电路，图上为了省略故没有分别标注。

具体实施方式

参见附图1，受试者的心音信号通过心音传感器提取后，进行放大滤波处理，放大的倍数根据传感器的输出信号幅度和电话传输信号电压范围来确定。信号经过上述处理后，需要通过隔离电路才可以安全地耦合到电话线上进行传输。同样的，在中心接收端电话上的信号需要经过隔离电路才可以输入到计算机。分析软件可以实时地对患者的心音信号进行分析，并得出相应的心脏储备指标，最后通过电话网络将分析结果反馈给受试者。

参见附图2，其中，C1和R3构成的阻容耦合电路用于提取心音传感器输出信号中的有效交流成份，抑制直流漂移。考虑到心音的主要频谱在10～100Hz之间，在设计中取R3＝200KΩ，C1＝1uF，即时间常数τ约为R95×C45＝200ms。U1A、R1和R2构成前级放大电路。U1B、C2、C3、R4、R5、R6构成2阶有源压控高通滤波器，U1C、R7、R8、R9、C4、C5构成二阶有源压控低通滤波器。整个带通滤波器的带宽为4～500Hz。经过滤波的心音信号再由U1D、R10、R11、R12构成的反相放大器进行二次放大。

为了防止50HZ工频电磁场的干扰，本系统还设置了陷波器，该陷波器是能够对干扰源频率和干扰强度进行选择和调整的陷波器---非对称阻容网络陷波器。运放U2A，U2B，C6，C7，C8，R13，R14，R15，R16，可变电阻R17，R18构成一个有源带阻滤波器。其中R17调整陷波器的中心频率，R18调整品质因素Q值。

心音作为一种机械振动信号，影响其强弱的因素很多，例如传感器的安放位置、检查者对传感器施加的压力的轻重，不同受试者胸壁厚薄的差异，呼吸的影响，另外在大负荷运动下，人体心音的强度会比安静时好几倍(如心功能强健的运动员在高强度运动下其心音幅度可以增大10倍左右)。因此，本系统在心音信号处理电路中设计了增益控制电路。该增益控制电路主要由R19，R20，R21，R22电阻率减网络和多路模拟开关CD4051构成。CD4051是一个八选一的数据选择器，在禁止INH为低电平时，它根据A，B，C这3位地址码来选择8个输入信号中对应的那一个与输出端X导通。本系统中采用开关的方式来选择衰减倍数的大小。为了防止后续电路影响增益调节，CD4051的输出信号经过了一个缓冲期，然后再经过R23，R24，R25，U2D进行电平变换和末级放大。

参见附图3，信号通过光电隔离电路隔离后，直接输入到电话音频输入端。图中所示的是一种互补形式的耦合级电路，它利用两个光电器件的对称性提高耦合级电路的线性度。PH1和PH2是经过严格挑选的特性对称的两个光电耦合器，且运放D3A，D3B工作在线性状态。

此部分电路将人体和电话进行了安全的电气隔离，不但保障了人体的绝对安全，而且消除了干扰。中心电话接收端采用同样的光电隔离电路对电话和计算机进行安全隔离。

参见附图4，下面是对从心音信号中分析出心脏储备指标步骤的详细说明：

1)心音信号预处理：因为计算机声卡的采样频率很高，达到了11025HZ，为了减少数据的分析量，对原始信号进行了5点重采样。将采样率降低到了2205HZ。由于传感器频率范围外低频性能的不稳定记忆传感器周围的环境干扰，往往会偏离基线，甚至偏离基线的大小还会随时间变化。偏离基线随时间变化的整个过程被称为信号的趋势项。趋势项将直接影响信号的正确性。所以在此预处理过程中使用最小二乘法来消除它。最后为了抑制信号在通过电话网络传输过程中出现的高频干扰信号，采用低通滤波器和五点三次平滑法对信号进行处理。

2)采用小波变换对心音信号进行包络提取：采用Morlet小波对信号进行包络提取，Morlet小波是连续小波变换中最常用的一个复小波函数，其定义为：

$\mathrm{\ψ}\left(t\right)=\frac{1}{\sqrt{2\mathrm{\π}}}{e}^{-t^2/2}{e}^{j{\mathrm{\ω}}_{0}t}$

其傅立叶变换为

Morlet小波是复小波，它由实部和虚部两部分组成，它们的数学定义分别为

${\mathrm{\ψ}}_{\mathrm{sr}}\left(t\right)=\left(\frac{1}{\sqrt{2\mathrm{\π}}}\right)e^{-t^2/2}\cos v_{0}t$

${\mathrm{\ψ}}_{\mathrm{sj}}\left(t\right)=\left(\frac{1}{\sqrt{2\mathrm{\π}}}\right)e^{-t^2/}\sin v_{0}t$

式中，v₀为Morlet小波的中心频率，为一常数，本算法中取v₀＝5.336；

从信号分析的角度，Morlet小波对应的是一个复数滤波器，其实部为ψ_sr(t)，虚部为ψ_sj(t)。由上面的数学定义可知ψ_sr(t)等价于一个零相移滤波器，ψ_sj(t)等价于一个90度相移滤波器。因此用Morlet小波进行复数小波变换后小波系数的实部R_e(ωt(s，t))和虚部I_m(ωt(s，t))的相位差为90度。由包络检波技术中的信号解调原理知，如果两个信号的幅值相同，相位相差90度，则可以通过解调的方法提取出它们中的幅值分量。因此，可以用解调的方法得到小波系数中的包络分量。 $u(s,t)=\sqrt{R_e{\left(\mathrm{\ωt}(s,t)\right)}^2+I_m{\left(\mathrm{\ωt}(s,t)\right)}^2},$ 此式中，小波系数的实部R_e(ωt(s，t))和虚部I_m(ωt(s，t))可以直接在时间域中用卷积分公式进行计算。

3)选取自适应阈值去除非第一、第二心音信号成分：信号包络提取后，需要选取适当的阈值来出去非第一心音和第二心音的信号成分，本算法中阈值的确定方法采用自适应方法，首先找出所分析心音能量包络信号的最大值，再乘以调节系数a，通过仿真试验，这里a取0.2；阈值确定后，将所有小于幅度阈值的点的值赋为0，这样就把最大幅值小于阈值的波峰去除了。同时第一心音和第二心音的正向波的宽度被减小，原始能量信号包络图被改变。尽管包络图发生了变化，但是第一心音和第二心音最大幅值点的位置没有发生变化。

4)计算经步骤3)处理后信号的一阶差分值并选取差分阈值处理检测峰值：使用差分阈值法的关键，是要确定合理的检测阈值。在实验中，能量包络的形态和波幅会因对象的不同而有很大差异，很难找到一个适合众多对象的固定检测阈值。所以在本算法中设计了一种自学习法来建立检测阈值。

自学习算法就是在进行检测前，先让计算机对实验对象的能量包络信号进行一系列计算，记忆其中的特征值作为确定阈值的依据。其实现方法如下：根据5秒心音能量数据算出10个最大差分值，排序去除其中的最大、最小值，对剩下的8个最大差分值取其算术平均值，得到的算术平均值乘以修正系数b即为差分阈值X，根据差分阈值X去除处理过程中的尖峰于扰。

5)寻找正负差分对：正差分代表波形的上升沿，负差分代表波形的的下降沿。寻找正负差分对的过程就是寻找第一心音和第二心音时域能量正向波的过程。由于在同一个正向波的上升沿上有多个正向差分，下降沿上有多个负向差分。因此寻找的过程为首先找到第一个正差分，再依次向后寻找，其间出现的正差分都舍掉，直到找到第一个负差分，再往后找，其间出现的负差分也都舍掉，直到出现又一个正差分时，取其前面的一个负差分。这样就找到第一个正负差分对。按照上述过程依次向后寻找，直到找出所有的正负差分对。

接着就是标记所有第一心音和第二心音信号。由于心音分裂、心杂音以及噪声的影响，有时可能在第一心音和第二心音的附近出现多个超出差分阈值的正负差分对。因此，对于上面找到的正负差分对，还需要判断哪些是第一心音和第二心音。首先，计算每一个正负差分对的持续时间。由于第一心音时限在70～150ms之间，第二心音时限在60～120ms之间，根据S1与S2时限设定差分对上下阈值，上限定为160ms，下限定为50ms，将持续时间不符合阈值的正负差分对舍弃，所留下来的正负差分对就是S1，S2正向波的上升沿与下降沿。在上述上升沿与下降沿的时间间隔内找出每一个最大幅值点，并将其标记出来。

6)判别第一心音和第二心音：当所有的最大幅值点被标记出来后，就找到了所有的第一心音和第二心音信号，但究竟哪些是第一心音，哪些是第二心音呢，这里要用到下面相关的医学知识来选择。

①在心音图记录中，心脏舒张期的持续时间(从第二心音结束到第一心音开始)大于心脏收缩期的持续时间(从第二心音结束到第一心音开始)。

②心脏收缩期的持续时间(从第二心音结束到第一心音开始)与心脏舒张期相比，相对恒定。

③心尖部听到的第一心音强于第二心音，心底部听到的第二心音强于第一心音。

④当心率过快时，舒张期缩短，以致收缩期和舒张期的时间几乎相等，第一心音幅值增大。

有了这些医学常识，首先计算标记出来的峰值点的间距，利用第一心音到第二心音间距小于第二心音到第一心音间距来判断，如果相邻两个间距相差0.1秒以上，则间距小的为第一心音到第二心音间距，间距大的为第二心音到第一心音间距，这样就依次将第一心音和第二心音标记出来；如果相邻两个间距相差0.06秒以下，则证明此时心率过快时，舒张期缩短，以致收缩期和舒张期的时间几乎相等，由于的心音记录位置为心尖部，此时第一心音幅值大于第二心音幅值，而心率过快时又会使第一心音幅值增大，又用了幅度阈值，因此，此时剩下的都是第一心音，故将这两个点都标记为第一心音。

找出第一心音和第二心音的起止点：由于在第一步中使用了幅度阈值，将小于阈值的波峰去除了，同时第一心音和第二心音的正向波的宽度也被减小。因而，必须回到原始能量包络图中找出第一心音和第二心音真正的起止点。由于第一心音时限在70～150ms之间，第二心音时限在60～120ms之间，只要在找到的第一心音与第二心音峰值的前后100ms的时间范围内寻找其起始点与终止点。又因为起止点附近的点的特征与起止点相似，使得这些点都可看作是起止点。必须对这些点进行筛选。在本文中所用的方法是在峰值点前100ms的点中从后向前寻找第一个最小值点，此即为起始点；然后在峰值点后100ms的点中从前向后寻找第一个最小值点，此即为终止点。

7)心脏储备指标的计算：通过上述步骤，就将第一心音和第二心音的峰值和持续时间识别记录了下来，并找出了所有第一心音和第二心音的起止点。

算出心脏储备的三大指标：心率，第一心音幅值/第二心音幅值，舒张期时间/收缩期时间。并通过电话网络反馈给受试者。

Claims (6)

1.一种心脏储备指标的分析方法，其特征在于：它包括：1)心音信号预处理，2)采用小波变换对心音信号进行包络提取，3)选取自适应阈值去除非第一、第二心音信号成分，4)计算经步骤3)处理后信号的一阶差分值并选取差分阈值处理检测峰值，5)根据心音信号特征确定第一心音和第二心音并计算心脏储备指标；

步骤4)中所述的选取差分阈值处理检测峰值，包括：根据5秒心音能量数据算出10个最大差分值，排序去除其中的最大、最小值，对剩下的8个最大差分值取其算术平均值，得到的算术平均值乘以修正系数b即为差分阈值X，根据差分阈值X去除处理过程中的尖峰干扰。

2.根据权利要求1所述的心脏储备指标的分析方法，其特征在于：1)心音信号预处理，包括：将心音信号进行重采样后，采用最小二乘法消除多项式趋势项，并且对心音信号进行数字低通滤波处理，使用五点三次法对心音信号进行平滑。

3.根据权利要求2所述的心脏储备指标的分析方法，其特征在于：所述心音信号进行重采样，包括：对收到的心音信号进行5点重采样，采样频率2205Hz。

4.根据权利要求1所述的心脏储备指标的分析方法，其特征在于：所述2)采用小波变换对心音信号进行包络提取，采用Morlet小波对信号进行包络提取。

5.根据权利要求1所述的心脏储备指标的分析方法，其特征在于：所述步骤3)选取自适应阈值去除非第一、第二心音信号成分，包括：心音能量包络信号最大值乘以修正系数a，即为所选阈值，a取值0-1，将所有小于该阈值的点的值赋为0。

6.根据权利要求1所述的心脏储备指标的分析方法，其特征在于：所述心脏储备指标，包括：心率，第一心音幅值/第二心音幅值和舒张期时间/收缩期时间。 

Images