CN102271589A - 用于处理心音信号的方法和系统 - Google Patents
用于处理心音信号的方法和系统 Download PDFInfo
- Publication number
- CN102271589A CN102271589A CN2009801534215A CN200980153421A CN102271589A CN 102271589 A CN102271589 A CN 102271589A CN 2009801534215 A CN2009801534215 A CN 2009801534215A CN 200980153421 A CN200980153421 A CN 200980153421A CN 102271589 A CN102271589 A CN 102271589A
- Authority
- CN
- China
- Prior art keywords
- cardiechema signals
- section
- heart rate
- cardiac cycle
- phonocardiogram
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提供了一种处理至少一个心音信号的方法,并且该方法包括步骤:接收(11)所述至少一个心音信号;将该心音信号分割(12)成多个段;识别(13)每个段的属性信息;用对应的属性信息注释(14)每个段;以及针对所述至少一个心音信号输出(15)带注释的心音图。本发明还提供一种用于实现如上所述的方法的步骤的处理系统。
Description
技术领域
本发明涉及用于处理声音信号的方法和系统,具体而言涉及用于处理心音信号的方法和系统。
背景技术
基于不同的心音源,从听诊器检测的心音信号可以包括不同类型的段,例如通过关闭二尖瓣和三尖瓣引起的S1段(segment)、通过主动脉瓣和肺动脉瓣的关闭引起的S2段、通过在早期舒张期间快速心室充盈引起的S3段、通过将血液移入扩张的心室的心房收缩引起的S4段,杂音(murmur)可能由血液湍流造成。有时,不同类型的段可以反映不同的特定异常心音。而且,心音信号还可以包括多个心搏周期(心跳),并且一些异常心音只能由一些特定的心搏周期反映。
从传统的听诊器倾听心音,人们可能可以根据他/她的经验做出一般诊断。然而,由于人类耳朵的限制,人们很难针对由一些特定心音源或心音周期(cycle)引起的异常心音精确地做出诊断,即使他/ 她在听诊领域是非常有经验的。
在过去的几年,开发了许多用于数字听诊器的技术以便输出精确且可靠的PCG(心音图),使得人们可以容易地取代倾听而基于PCG做出诊断。由当前的数字听诊器输出的PCG是几乎原始的PCG。基于原始PCG,人们仍然必须主要通过他/她的经验来识别由某个特定心音源或一些特定心搏周期引起的异常心音。
因此,当前的数字听诊器不能给出非常智能的指示以用于帮助人们精确地且便利地做出诊断。
发明内容
本发明的一个目的是提供一种用于处理至少一个心音信号从而输出至少一个更容易理解的心音图的方法。
本发明提供了一种处理至少一个心音信号的方法,并且该方法包括步骤:
- 接收所述至少一个心音信号,
- 将该心音信号分割成多个段,
- 识别每个段的属性信息,
- 用对应的属性信息注释每个段,以及
- 针对所述至少一个心音信号输出带注释的心音图。
其优点在于,所述带注释的心音图更容易理解,使得人们可以更精确且便利地做出诊断。
在本发明的另一个实施例中,如果所述至少一个心音信号包括多个心音信号并且这多个心音信号分别来自不同的心音源,则所述方法还包括步骤:比较两个带注释的心音图以获取比较结果,其中
- 所述注释步骤进一步意欲将所述比较结果注释在被相互比较的心音图中任意一个上以形成比较心音图,以及
- 所述输出步骤进一步意欲输出所述比较心音图。
优点在于,基于所述比较PCG,两个带注释的PCG彼此补充从而为人们做出诊断提供更精确的信息。
在本发明的另一个实施例中,所述方法还包括步骤:针对所述至少一个心音信号,通过从心音信号中提取心搏周期样本生成心率信息表,并且该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期心音图以及用于每个心率的带注释的心搏周期心音图。所述输出步骤进一步意欲输出所述心音信号的心率信息表。
优点在于,基于心率信息表,人们可以容易地识别异常心音并且进一步获悉(learn)在哪一个心率处患者的心脏状况变得更坏。
本发明还提供了一种用于实现如上所述的方法的步骤的处理系统。
下面将给出本发明的详细解释和其他方面。
附图说明
根据下面结合附图考虑的详细描述,本发明的上述和其他目的和特征将变得更清楚明白,在附图中:
图1是用于说明根据本发明的方法的实施例的示意图;
图2是用于说明心音信号的原始心音图的曲线图;
图3是用于说明多个心音信号的多个原始心音图的曲线图;
图4是说明分段的心音信号的曲线图;
图5是说明各段的每个间隔范围的出现频率的统计直方图;
图6是说明心电图与对应的同步心音图之间的关系的曲线图;
图7描绘了两个带注释的心音图;
图8描绘了用于检测多个心音信号的多个传感器的示意性布置;
图9描绘了主动脉瓣区心音图和三尖瓣心音图的比较心音图;
图10是用于说明基于R波从心音信号中提取心搏周期样本的示意性曲线图;
图11描绘了心率信息表;
图12是用于说明听诊器的示意图;
图13描绘了根据图12的听诊器的实施例的用于处理至少一个心音信号的处理系统。
遍及各附图,相同的附图标记用于表示相似的部分。
具体实施方式
本发明的方法是处理至少一个心音信号以用于输出更容易理解的心音图(在下文中称为PCG),从而人们能够便利且精确地做出诊断。
图1是用于说明根据本发明的方法的一个实施例的示意图。用于处理至少一个心音信号的所述方法包括下述步骤:
- 接收11至少一个心音信号;
- 将所述至少一个心音信号分割12成多个段;
- 识别13每个段的属性信息;
- 用对应的属性信息注释14每个段;以及
- 输出15用于所述各段的带注释的PCG。
(1)接收11至少一个心音信号
所述至少一个心音信号可以包括一个心音信号或来自不同心音源的多个心音信号。这多个心音信号可以是两个或更多个心音信号。每个心音信号由放置在心音源上的声音传感器来检测,所述心音源例如是二尖瓣区、三尖瓣区、主动脉瓣区、肺动脉瓣区。
图2是用于说明心音信号的原始PCG的曲线图,且图3是用于说明多个心音信号的多个原始PCG的曲线图。
心音信号可以包括属于不同信号段类型的若干段,例如S1段、S2段、S3段、S4段、杂音段。S1是由二尖瓣和三尖瓣的关闭引起的;S2在主动脉瓣和肺动脉瓣的关闭期间出现;S3是由于在早期舒张期间的快速心室充盈而引起的;S4作为使血液移入扩张的心室的心房收缩的结果而出现;杂音最可能由血液湍流造成。S1可以进一步包括由二尖瓣引起的M1和由三尖瓣引起的T1,并且S2可以进一步包括由主动脉瓣引起的A2和由肺动脉瓣引起的P2。对于健康的个体而言,S3、S4和杂音通常是听不见的。
(2)将至少一个心音信号分割12成多个段
如果所述至少一个声音信号包括多个心音信号,则分割步骤12用于分别分割所述多个心音信号。
分割步骤12的第一实施例可以包括步骤:
- 由带通滤波器对心音信号进行滤波以选择该心音信号的一个波带(wave band),其中该波带是预定义的频率范围。该滤波步骤旨在从心音信号截去频率10-100Hz以在预定义的频率范围内选择波带。该预定义的频率范围根据心音信号的能量而被预定义,因为心音信号的一些段具有对应于特定频率范围的非常显著的能量。在对心音信号进行滤波之后,一些高频噪声(比如肺声音)和一些低频噪声(比如基线漂移)可被消除。
- 如果一段的平均振幅变化率高于预定义的变化率阈值,则从所述波带中提取各段。例如,从所述波带提取具有高于预定义的变化率阈值的平均振幅变化率的5-10%的段。通常,心音波的各段(比如S1、S2、S3、S4、杂音)对应于其中振幅变化比基线部分更强烈的峰/谷。该提取步骤可以进一步意欲合并相邻的块,且然后使每个段的边缘平滑。
所述分割步骤的第二实施例意欲基于包络图(envelogram)分割心音信号。基于第二实施例,所述分割步骤可以包括:
- 将心音信号滤波成包络图。该滤波步骤可以通过希尔伯特变换、同态变换或曲线拟合变换来实现。曲线拟合变换:在心音信号波形中,离群点(例如最大值点)可以容易地被检测,所以可以为B-样条、抛物线或贝赛尔曲线的二次曲线然后可以用于连接这些点以建立包络图。
- 如果心音信号的峰值点周围的区域的平均振幅超过预定义的振幅阈值,则从包络图提取各段。该提取步骤可以进一步意欲合并相邻的块,并且然后使每个段的边缘平滑。
图4是说明根据分割步骤的第一实施例和第二实施例的分割的心音信号的曲线图。X坐标表示时间,而Y坐标表示振幅。
(3)识别13每个段的属性信息
所述属性信息包括每个段的类型、每个段的持续时间、每个段的定时(timing)、每个段的振幅和/或每个段的强度等。每个段的类型可以是S1、S2、S3、S4和杂音。
识别步骤13可以意欲根据每个段的波形、各段的关系或者将心电图(下文中称为ECG)与心音信号的PCG联合(joint)而识别每个段的属性信息,其中ECG的信号与心音信号同步。下面给出四个实例用于解释识别步骤13。
所述识别步骤的第一实施例基于各段的关系。在该实施例中,识别步骤可以包括:
- 确定各段的峰值点之间的间隔以形成统计直方图,其中间隔被划分成不同的间隔范围,并且该统计直方图反映每个间隔范围的出现频率。
图5是说明各段的每个间隔范围的出现频率的统计直方图。
- 确定统计直方图中S1段与S2段之间的间隔范围(下文中称为间隔S1-S2),其中在统计直方图中间隔S1-S2的出现频率最高。间隔S1-S2在短期(例如10秒)内是稳定的,所以在统计直方图中,间隔S1-S2通常最频繁地出现。在图5中,2000~2500个样本单位(或在8KHz的采样率处0.25~0.31秒)内的间隔出现6次,这是最高的出现频率,并且该间隔可以被确定为间隔S1-S2。在图5中,X坐标表示时间,而Y坐标表示振幅。
- 确定统计直方图中S2段与S1段之间的间隔范围(下文中,称为间隔S2-S1),其中间隔S2-S1的出现频率仅小于间隔S1-S2的出现频率。类似地,间隔S2-S1在短期内也是稳定的并且比间隔S1-S2长。在图5中,5500~6000个样本单位(或在8KHz的采样率处0.69~0.75秒)内的间隔出现5次,这仅小于S1-S2间隔的出现频率,并且然后该间隔可以被确定为间隔S2-S1。
- 基于间隔S1-S2和间隔S2-S1确定S1段和S2段。通过基于S1-S2间隔和S2-S1间隔彻底地搜索心音信号波来识别S1和S2段。例如,如果任意两个连续的峰值之间的间隔在如图5所示的S1-S2间隔(例如2000~2500样本单位)内,则对应于前一个峰值的段被确定为S1,且后一个峰值对应于S2。
- 在相同的心音周期中基于所确定的S1和S2确定S3段、S4段和杂音以及S3段、S4段和杂音的位置信息。
- 通过执行同态滤波和峰值检测确定S1段和S2段的分离(split)以识别M1段、T1段、A2段和P2段。
- 确定每个段的持续时间、振幅、定时和强度。
识别步骤13的第二实施例基于每个段的波形。所述识别步骤可以包括步骤:
- 通过检测沿着各段的峰值确定S1段和S2段,其中S1段和S2段分别对应于包络图中的第一最高峰值和第二最高峰值。该包络图在分割步骤12期间形成(分割步骤的第二实施例)。
- 在相同的心音周期中基于所确定的S1和S2确定S3段、S4段和杂音以及S3段、S4段和杂音的位置。
- 通过执行同态滤波和峰值检测确定S1和S2的分离。
- 根据每个段的波形确定每个提取的段的持续时间、振幅、定时和强度。
识别步骤13的第三实施例基于每个段的波形。在该实施例中,识别步骤13可以包括:
- 检测所述至少一个心音信号的心音周期。
- 借助隐式马尔科夫模型(HMM)或神经网络或线性/动态时间规整(Dynamic Time Warping)确定心音信号中每个段的类型。段的类型可以是S1段、S2段、S3段、S4段、杂音等。
- 通过执行同态滤波和峰值检测确定S1段和S2段的分离以识别M1段、T1段、A2段和P2段。
- 根据每个段的波形确定每个提取的段的持续时间、振幅、定时和强度。
识别步骤13的第四实施例基于联合ECG和对应的同步的PCG。在该实施例中,识别步骤13可以包括:
- 接收ECG,其中所述至少一个心音信号和ECG的信号是同步的。
- 检测ECG的关键点,其中这些关键点包括S-开始、S-偏移、T-开始、T偏移,其中ECG的S-偏移指示S1段的开始,且T-偏移对应于时间域中S2段的开始。
- 将ECG的关键点映射到PCG的各段以确定每个段的类型。S-偏移和T-偏移可以利用比如小波变换、隐式马尔科夫模型等许多方法在ECG信号上检测。并且基于ECG与PCG之间的关系,可以确定S1和S2的起点。图6是说明ECG与对应的同步PCG之间的关系的曲线图。
- 在相同的心音周期中基于所确定的S1和S2确定S3段、S4段和杂音以及S3段、S4段和杂音的位置信息。
- 通过执行同态滤波和峰值检测确定S1段和S2段的分离以识别M1段、T1段、A2段和P2段。
- 根据每个段的波形确定每个提取的段的持续时间、振幅、定时和强度。
(4)利用对应的属性信息注释14每个段
所述注释步骤14意欲根据所识别的属性信息利用S1、S2、S3、S4或杂音的类型注释每个段。注释步骤14进一步意欲根据所识别的属性信息用振幅、持续时间、强度等注释每个段。
(5)输出15心音信号的带注释的PCG
所输出的PCG包括多个段,且每个段用对应的类型、振幅、持续时间、强度、定时等注释,从而使得人们能够便利且精确地认识到心音信号的问题。
所述带注释的心音图将以条形图的形式显示,并且条的高度指示每个段的平均振幅,并且条的宽度指示每个段的持续时间。
图7描绘了两个带注释的PCG,被视为噪声的非复发(non-recurrent)段被指示为“?”。在图7中,这两个带注释的PCG来自主动脉瓣(S2)区和三尖瓣(S1)区的心音源,所以S3段和S4段不突出而未被显示。
处理至少一个心音信号的方法进一步包括比较步骤和生成步骤(图1中未示出)。
(6)比较步骤
如果所述至少一个心音信号包括多个心音信号并且这多个心音信号分别来自不同的心音源,则比较两个带注释的PCG以获取比较结果。该比较结果包括被相互比较的任意两个带注释的PCG的相似性和差异。
图8描绘了用于检测多个心音信号的多个传感器的示意性布置。该布置包括五个组合的传感器,并且每个组合的传感器可以包括PCG传感器和ECG传感器。这五个组合的传感器被分别放置在主动脉瓣区81、肺动脉瓣区82、埃尔布点(erb’s point)83、三尖瓣区83和二尖瓣区85上以用于检测心音信号。
注释步骤14进一步意欲将所述比较结果注释在被相互比较的PCG的任意一个上以形成比较PCG。
输出步骤15进一步意欲输出所述比较PCG。图9描绘了用于主动脉瓣区PCG和三尖瓣PCG的比较PCG,X坐标表示时间,而Y坐标表示振幅。
所述比较步骤意欲比较两个带注释的PCG的平均振幅和持续时间。例如,一个带注释的PCG来自三尖瓣区(在下文中表示为PCG_T),且另一个带注释的PCG来自主动脉瓣区(在下文中表示为PCG_A)。在PCG_A中,S2具有更大的振幅和更长的持续时间,所以PCG_A的S2更容易识别,然后注释步骤14意欲将用于该S2段的“PCG_A上更宽且更高”注释在比较PCG上。在一些情况下,S2未在PCG_T上检测到,但是它可以在PCG_A上被正确地识别,并且然后注释步骤14意欲将用于该S2段的“仅在PCG_A上”注释在比较PCG上。该比较PCG可以基于PCG_A或PCG_T而生成。
基于所述比较PCG,两个PCG相互补充以提供比使用单通道PCG更精确的信息。而且,可以便利地基于所述比较PCG确定异常心音(例如S3、S4和杂音)的存在。
一些复现的声音在PCG_T上被检测到而没有在PCG_A上检测到,并且复现声音的各段被注释为“仅在PCG_T上”,这表明这些复现声音不是噪声,并且声音源在三尖瓣区附近但远离主动脉瓣区。而且,在S1段与S2段之间出现若干种杂音,比如收缩期喷射性杂音、心室流出道梗阻杂音、收缩期返流性杂音、心室间隔缺损杂音。所述比较PCG非常好地反映了心室间隔缺损杂音,因为这种杂音声在PCG_T处是可容易听到的,但是在PCG_A处是不清楚的。以此方式,医生可以对心脏状况得出快速且精确的结论。
(7)生成步骤
通过从心音信号提取心搏周期样本生成该心音信号的心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期PCG以及通过如图1中所示的步骤12-14形成的用于每个心率的带注释的心搏周期PCG。
输出步骤15还意欲输出心音信号的心率信息表。
心搏周期样本是通过联合ECG和与ECG信号同步的心音信号的PCG来提取的。
所述生成步骤包括:
- 接收ECG信号,其中该ECG信号和心音信号是同步的。
- 通过利用R波和R-峰值的出现的周期性作为ECG和心音信号的PCG二者的跳动定界符(beat delimiter)来从心音信号提取心搏周期样本,其中R波是沿着ECG波形的最陡的波,而R-峰值是R波的峰值点。
图10是用于说明从心音信号提取心搏周期样本的示意性曲线图。两个连续的R-峰值的ECG区域(即R-R间隔)是心跳,并且在R-R间隔中的区域被称为心搏周期样本。
- 计算每个心搏周期样本的心率。例如,如果该心搏周期为1秒,则对应于该心搏周期的心率为60跳/分钟。
- 将所述心搏周期样本分类成不同的心率类别,其中相同的心率类别中的心搏周期具有相同的心率。
- 通过将所有相同心率的心搏周期样本加在一起形成该心率的典型的心搏周期PCG来消除噪声。例如,将心搏周期样本的振幅值的对齐位(aligned bit)直接相加以消除噪声。所述心搏周期样本包括复现的S1、S2、S3、S4、杂音(如果存在杂音的话)并且表明(demonstrating)了一个心搏周期与另一个心搏周期之间的强相似性。所述消除步骤将不会影响心搏周期样本的质量。另一方面,噪声是高斯型的(Gaussian-like),并且可以通过累加操作而被抵消。通过将各心搏周期样本相加而生成的新的数据序列被称为典型的心搏周期,其具有比各心搏周期样本更高的SNR(信噪比)。并且,累加的心搏周期样本越多,得到的SNR越高。例如,如果对于相同的心率类别而言将20个心搏周期样本相加,则SNR增加大约20dB。应当注意,对于相同的心率,心搏周期样本的长度几乎相同。因此心搏周期样本可以相加,而无需截断/拉伸或需要轻微的截断/拉伸。
- 形成心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期PCG和用于每个心率类别的带注释的心搏周期PCG。图11描绘了典型的心搏周期PCG和带注释的心搏周期PCG的心率信息表,Y坐标表示振幅,而X坐标表示时间。
基于心率信息表,一些杂音(在该实例中例如收缩期杂音(SM))可以在较低心率(例如60bpm(60跳/分钟))处被观察到,其中S1与S2之间的间隔更长且S1和S2的强度更低。在较高心率(例如90bpm以及更高)处,收缩期杂音被S1和S2挤满(swarmed),因为S1-S2间隔变得更短并且它们的平均强度更高。其他异常心音(例如S3)在低心率处弱,但是随着心率的增加(例如120bpm)而增强,并且可以在典型的心搏周期PCG和带注释的心搏周期PCG上被检测到。这是因为以下事实:S3与血容量和速度相关联。心率越高,血液流速越快,并且又越容易在典型的心搏周期PCG和带注释的心搏周期PCG上产生可检测的S3。
当呈现了这种心率信息表时,人们可以容易地识别异常心音并且进一步获悉在哪个心率处患者的心脏状况变得更差。
在胸膛上的不同听诊区(心音源)处的心音可以使用多个心音传感器来获取并且以相同方式被处理。所述心率信息表可以包括多个听诊区的心音信息,与只有一个听诊区相比,这可以给人们提供更多的信息。
图12是用于说明听诊器的示意图。听诊器20包括检测设备21、处理系统23和用于将检测设备21连接到处理系统23的连接器22。
检测设备21包括一个或多个PCG传感器211。在图12中,示出了三个PCG传感器211用于检测心音信号。检测设备21还可以包括一个或多个ECG传感器,并且在图12中,ECG传感器212未示出。在另一个实施例中,检测设备21可以包括多个ECG传感器,且将每个ECG传感器与PCG传感器组合以用于在相同的位置接触身体以同时检测ECG信号和PCG信号。信号检测设备21可以在身体上移动或吸(suck)在身体上。ECG传感器和PCG传感器的每一个组合可以在身体上移动或吸在身体上。
连接器22用于将信号检测设备21连接到处理系统23,以便将由来自信号检测设备21的声音传感器的ECG传感器检测到的ECG信号和心音信号传输到处理系统23。
处理系统23被用于处理来自信号检测设备21的ECG信号和心音信号。处理系统23包括显示器236或打印机(未示出),其用于显示或打印由处理系统23处理的结果输出。处理系统23可以连接到外部打印机或显示器以打印或显示由处理系统23处理的结果输出。
听诊器20进一步包括人们用来倾听由信号检测设备21的声音传感器211检测到的心音的一对耳机。
图13描绘了根据图12的听诊器的实施例的用于处理至少一个心音信号的处理系统。处理系统23包括:用于从检测设备21接收至少一个心音信号和至少一个ECG信号的接收单元231;用于将所述至少一个心音信号分割成多个段的分割单元232;用于识别每个段的属性信息的识别单元233;用于利用对应的属性信息注释每个段的注释单元234;以及用于输出15用于各段的带注释的心音图的输出单元235。
所述带注释的PCG更容易理解,使得人们可以便利且精确地做出诊断。
(1)接收单元231用于接收所述至少一个心音信号。
所述至少一个心音信号可以包括一个心音信号或来自不同心音源的多个心音信号。该多个心音信号可以是两个或更多个心音信号。每个心音信号由放置在心音源上的声音传感器检测,所述心音源例如是二尖瓣区、三尖瓣区、主动脉瓣区、肺动脉瓣区。
心音信号可以包括属于不同信号段类型的若干段,例如S1段、S2段、S3段、S4段、杂音段。S1是通过二尖瓣和三尖瓣的关闭引起的;S2在主动脉瓣和肺动脉瓣的关闭期间出现;S3是由于在早期舒张期间的快速心室充盈而引起的;S4作为使血液移入扩张的心室的心房收缩的结果而出现;杂音最可能由血液湍流造成。S1可以进一步包括由二尖瓣引起的M1和由三尖瓣引起的T1,并且S2可以进一步包括由主动脉瓣引起的A2和由肺动脉瓣引起的P2。S3、S4和杂音通常是听不见的。
所述至少一个心音信号是原始心音信号并且在图13中示出为RS。
(2)分割单元232用于将所述至少一个心音信号分割成多个段。
如果所述至少一个声音信号包括多个心音信号,则分割步骤12用于分别分割所述多个心音信号。
分割单元232可以用于通过以下方式分割所述至少一个心音信号:由带通滤波器对心音信号进行滤波以选择该心音信号的波带,并且如果一段的平均振幅变化率高于预定义的变化率阈值,则从所述波带中提取各段,其中所述波带是预定义的频率范围;或者将心音信号滤波成包络图,并且如果心音信号的峰值点周围的区域的平均振幅超过预定义的振幅阈值,则从包络图提取各段。
(3)识别单元233用于识别每个段的属性信息。
所述属性信息包括每个段的类型、每个段的持续时间、每个段的定时、每个段的振幅和/或每个段的强度等。每个段的类型可以是S1、S2、S3、S4和杂音。
识别单元233可以用于根据每个段的波形、各段的关系或者将ECG与心音信号的PCG联合而识别每个段的属性信息,其中ECG信号与心音信号同步。
(4)注释单元234用于利用对应的属性信息注释每个段。
注释单元234用于根据所识别的属性信息利用S1、S2、S3、S4或杂音的类型注释每个段。注释单元234进一步用于根据所识别的属性信息用振幅、持续时间、强度等注释每个段。
(5)输出单元235用于输出所述至少一个心音信号的带注释的PCG。
所输出的心音图包括多个段,且每个段用对应的类型、振幅、持续时间、强度、定时等注释,从而使得人们能够便利且精确地认识到心音信号的问题。所述带注释的PCG在图13中被示出为AP。
所述带注释的心音图将以条形图的形式显示,并且条的高度指示每个段的平均振幅,并且条的宽度指示每个段的持续时间。
用于处理所述至少一个心音信号的处理系统23进一步包括比较单元和生成单元(图13中未示出)。
(6)比较单元
所述比较单元用于:如果所述至少一个心音信号包括多个心音信号并且所述多个心音信号分别来自不同的心音源,则比较两个带注释的PCG以获取比较结果。该比较结果包括被相互比较的任意两个带注释的PCG的相似性和差异。
注释单元234进一步用于将所述比较结果注释在被相互比较的PCG的任意一个上以形成比较PCG。
输出单元235进一步意欲输出所述比较PCG。
所述比较单元用于比较两个带注释的PCG的平均振幅和持续时间。例如,一个带注释的PCG来自三尖瓣区(在下文中表示为PCG_T),且另一个带注释的PCG来自主动脉瓣区(在下文中表示为PCG_A)。在PCG_A中,S2具有更大的振幅和更长的持续时间,所以PCG_A的S2更容易识别,然后注释单元234意欲将用于该S2段的“PCG_A上更宽且更高”注释在比较PCG上。在一些情况下,S2在PCG_T上未被检测到,但是它可以在PCG_A上被正确地识别,并且然后注释单元234意欲将用于该S2段的“仅在PCG_A上”注释在比较PCG上。该比较PCG可以基于PCG_A或PCG_T而生成。
基于所述比较PCG,两个PCG相互补充以提供比使用单通道PCG更精确的信息。而且,可以便利地基于所述比较PCG确定异常心音(例如S3、S4和杂音)的存在。
一些复现的声音在PCG_T上被检测到而没有在PCG_A上检测到,并且复现声音的各段被注释为“仅在PCG_T上”,这表明这些复现声音不是噪声,并且声音源在三尖瓣区附近但远离主动脉瓣区。而且,在S1段与S2段之间出现若干种杂音,比如收缩期喷射性杂音、心室流出道梗阻杂音、收缩期返流性杂音、心室间隔缺损杂音。所述比较PCG非常好地反映了心室间隔缺损杂音,因为这种杂音声在PCG_T处是可容易听到的,但是在PCG_A处是不清楚的。以此方式,医生可以对心脏状况得出快速且精确的结论。
(7)生成单元
所述生成单元用于通过从心音信号提取心搏周期样本生成该心音信号的心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期PCG。
输出单元235还意欲输出心音信号的心率信息表。
心搏周期样本是通过联合ECG和与ECG信号同步的心音信号的PCG来提取的。
所述生成单元可以意欲通过下述方式生成心率信息表:
- 接收ECG信号,其中该ECG信号和心音信号是同步的。
- 通过利用R波和R-峰值的出现的周期性作为ECG和心音信号的PCG二者的跳动定界符(beat delimiter)来从心音信号提取心搏周期样本,其中R波是沿着ECG波形的最陡的波,而R-峰值是R波的峰值点。
- 计算每个心搏周期样本的心率。例如,如果该心搏周期样本为1秒,则对应于该心搏周期的心率为60跳/分钟。
- 将所述心搏周期样本分类成不同的心率类别,其中相同的心率类别中的心搏周期样本具有相同的心率。
- 通过将所有相同心率的心搏周期样本加在一起形成该心率的典型的心搏周期PCG来消除噪声。例如,将心搏周期样本的振幅值的对齐位直接相加以消除噪声。所述心搏周期样本包括复现的S1、S2、S3、S4、杂音(如果存在杂音的话)并且表明了一个心搏周期与另一个心搏周期之间的强相似性。所述消除将不会影响心搏周期样本的质量。另一方面,噪声是高斯型的,并且可以通过累加操作而被抵消。通过将各心搏周期样本相加而生成的新的数据序列被称为典型的心搏周期,其具有比各心搏周期样本更高的SNR(信噪比)。并且,累加的心搏周期样本越多,得到的SNR越高。例如,如果对于相同的心率类别而言将20个心搏周期样本相加,则SNR增加大约20dB。应当注意,对于相同的心率,心搏周期样本的长度几乎相同。因此心搏周期样本可以相加,而无需截断/拉伸或需要轻微的截断/拉伸。
- 形成心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期PCG和用于每个心率类别的带注释的心搏周期PCG。
当呈现了这种心率信息表时,人们可以容易地识别异常心音并且进一步获悉在哪个心率处患者的心脏状况变得更差。
应当注意,上述实施例说明了而非限制了本发明并且本领域技术人员将能够设计可替代实施例而不脱离所附权利要求的范围。在权利要求中,置于括号之间的任何附图标记不应当被解释为限制权利要求。词语“包括”不排除权利要求书或说明书中未列出的元件或步骤的存在。元件之前的词语“一”或“一个”不排除多个这样的元件的存在。本发明可以通过包括若干不同元件的硬件单元以及通过编程的计算机单元来实现。在列举出若干单元的系统权利要求中,这些单元中的若干个可以由同一项硬件或软件体现。词语第一、第二和第三等的使用并不指示任何顺序。这些词语应当被解释为命名。
Claims (15)
1.一种处理至少一个心音信号的方法,包括步骤:
- 接收(11)所述至少一个心音信号,
- 将该心音信号分割(12)成多个段,
- 识别(13)每个段的属性信息,
- 用对应的属性信息注释(14)每个段,以及
- 针对所述至少一个心音信号输出(15)带注释的心音图。
2.如权利要求1所述的方法,其中分割步骤(12)意欲通过以下操作分割所述至少一个心音信号
- 由带通滤波器对心音信号进行滤波以选择该心音信号的波带,并且如果一段的平均振幅变化率高于预定义的变化率阈值,则从所述波带中提取各段,其中该波带是预定义的频率范围;或
- 将心音信号滤波成包络图,并且如果心音信号的峰值点周围的区域的平均振幅超过预定义的振幅阈值,则从包络图提取各段。
3.如权利要求1所述的方法,其中识别步骤(13)意欲根据每个段的波形、各段的关系或者将心电图与所述至少一个心音信号的心音图联合而识别每个段的属性信息,其中心电图的信号与所述至少一个心音信号同步。
4.如权利要求1所述的方法,进一步包括步骤:如果所述至少一个心音信号包括多个心音信号并且这多个心音信号分别来自不同的心音源,则比较两个带注释的心音图以获取比较结果,
其中,
- 所述注释步骤(14)进一步意欲将所述比较结果注释在被相互比较的心音图中任意一个上以形成比较心音图,以及
- 所述输出步骤(15)进一步意欲输出所述比较心音图。
5.如权利要求1所述的方法,进一步包括步骤:针对所述心音信号,通过从心音信号中提取心搏周期样本生成心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期心音图以及用于每个心率的带注释的心搏周期心音图,
其中,
所述输出步骤(15)进一步意欲输出所述心音信号的心率信息表。
6.如权利要求5所述的方法,其中生成步骤意欲通过将心电图与所述至少一个心音信号的心音图联合来提取心搏周期样本,其中心电图的信号与所述至少一个心音信号同步。
7.如权利要求6所述的方法,其中所述生成步骤意欲:
- 计算每个心搏周期的心率,
- 将所述心搏周期样本分类成不同的心率类别,其中相同的心率类别中的心搏周期样本具有相同的心率,
- 通过将所有相同心率类别的心搏周期样本加在一起形成该心率类别的典型的心搏周期心音图来消除噪声,以及
- 形成心率信息表。
8.如权利要求1所述的方法,其中所述属性信息包括每个段的类型、每个段的持续时间、每个段的定时、每个段的振幅和/或每个段的强度。
9.一种用于处理至少一个心音信号的处理系统(23),包括:
- 接收单元(231),用于接收所述至少一个心音信号,
- 分割单元(232),用于将所述心音信号分割成多个段,
- 识别单元(233),用于识别每个段的属性信息,
- 注释单元(234),用于利用对应的属性信息注释每个段,以及
- 输出单元(235),用于输出用于所述至少一个心音信号的带注释的心音图。
10.如权利要求9所述的处理系统,其中分割单元(232)意欲通过以下方式分割所述至少一个心音信号:
- 由带通滤波器对心音信号进行滤波以选择该心音信号的波带,并且如果一个段的平均振幅变化率高于预定义的变化率阈值,则从所述波带中提取各段,其中所述波带是预定义的频率范围;或者
- 将心音信号滤波成包络图,并且如果心音信号的峰值点周围的区域的平均振幅超过预定义的振幅阈值,则从包络图提取各段。
11.如权利要求9所述的处理系统,其中识别单元(233)意欲根据每个段的波形、各段的关系或者将心电图与所述至少一个心音信号的心音图联合而识别每个段的属性信息,其中心电图信号与所述至少一个心音信号同步。
12.如权利要求9所述的处理系统,进一步包括比较单元,该比较单元用于:如果所述至少一个心音信号包括多个心音信号并且所述多个心音信号分别来自不同的心音源,则比较两个带注释的心音图以获取比较结果,
其中,
- 注释单元(234)进一步意欲将所述比较结果注释在被相互比较的心音图的任意一个上以形成比较心音图,以及
- 输出单元(235)进一步意欲输出所述比较心音图。
13.如权利要求9所述的处理系统,进一步包括生成单元,该生成单元用于通过从所述至少一个心音信号提取心搏周期样本生成该心音信号的心率信息表,其中该心率信息表包括不同的心率类别、用于每个心率类别的典型的心搏周期心音图和用于每个心率的带注释的心搏周期心音图和带注释的心搏周期心音图,
其中,
输出单元(235)进一步意欲输出所述心音信号的心率信息表。
14.如权利要求13所述的系统,其中生成单元意欲
- 通过联合心电图与所述至少一个心音信号的心音图来提取心搏周期样本,其中心电图的信号与所述心音信号同步,
- 计算每个心搏周期的心率,
- 将所述心搏周期样本分类成不同的心率类别,其中相同的心率类别中的心搏周期样本具有相同的心率,
- 通过将所有相同心率类别的心搏周期样本加在一起形成该心率类别的典型的心搏周期心音图来消除噪声,以及
- 形成心率信息表。
15.一种听诊器,包括检测设备(21)和用于将如权利要求9-14中任一项所述的处理系统(23)连接到检测设备(21)的连接器(22)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009801534215A CN102271589A (zh) | 2008-12-30 | 2009-12-22 | 用于处理心音信号的方法和系统 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200810190251 | 2008-12-30 | ||
CN200810190251.5 | 2008-12-30 | ||
CN2009801534215A CN102271589A (zh) | 2008-12-30 | 2009-12-22 | 用于处理心音信号的方法和系统 |
PCT/IB2009/055896 WO2010076740A1 (en) | 2008-12-30 | 2009-12-22 | A method and system for processing heart sound signals |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102271589A true CN102271589A (zh) | 2011-12-07 |
Family
ID=41800452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009801534215A Pending CN102271589A (zh) | 2008-12-30 | 2009-12-22 | 用于处理心音信号的方法和系统 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20110257548A1 (zh) |
EP (1) | EP2384144A1 (zh) |
JP (1) | JP2012513858A (zh) |
CN (1) | CN102271589A (zh) |
WO (1) | WO2010076740A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505189A (zh) * | 2013-10-21 | 2014-01-15 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN104688213A (zh) * | 2015-02-15 | 2015-06-10 | 四川长虹电器股份有限公司 | 一种心音信号分段方法 |
CN107049357A (zh) * | 2017-05-25 | 2017-08-18 | 西华大学 | 一种心音信号解析方法、装置及系统 |
CN108143407A (zh) * | 2017-12-25 | 2018-06-12 | 四川大学 | 一种自动提取心音包络特征的心音分段方法 |
CN108367152A (zh) * | 2015-10-08 | 2018-08-03 | 心脏起搏器股份公司 | 使用心音检测恶化的心力衰竭事件 |
CN108420454A (zh) * | 2018-02-26 | 2018-08-21 | 河南善仁医疗科技有限公司 | 基于多路心音的心音分裂识别方法 |
CN108420453A (zh) * | 2018-02-26 | 2018-08-21 | 河南善仁医疗科技有限公司 | 基于多路心音的心脏杂音类型的识别方法 |
CN109843179A (zh) * | 2016-09-07 | 2019-06-04 | 皇家飞利浦有限公司 | 用于检测异常心音的分类器集成 |
CN111031905A (zh) * | 2017-04-07 | 2020-04-17 | 南洋理工学院 | 用于检测心脏异常的ecg和pcg监视系统 |
WO2020140599A1 (zh) * | 2019-01-02 | 2020-07-09 | 京东方科技集团股份有限公司 | 心音监测装置、及获取心音信号的方法 |
CN111523487A (zh) * | 2020-04-26 | 2020-08-11 | 上海交通大学医学院附属上海儿童医学中心 | 一种生理音的预处理及自动标注方法 |
CN111714151A (zh) * | 2020-06-28 | 2020-09-29 | 循音智能科技(上海)有限公司 | 一种心音的分析与标注方法和系统 |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2461750A4 (en) | 2009-08-03 | 2017-06-28 | Diacoustic Medical Devices (Pty) Ltd | Medical decision support system |
CN102347944B (zh) * | 2011-07-22 | 2014-09-03 | 哈尔滨工业大学深圳研究生院 | 基于小波算法的心电信号传输方法和系统 |
JP6031863B2 (ja) * | 2012-07-19 | 2016-11-24 | 株式会社Jvcケンウッド | 心音分析装置、心音分析方法および心音分析プログラム |
KR101727367B1 (ko) * | 2014-11-04 | 2017-04-17 | 재단법인 아산사회복지재단 | 심음도 모니터링 시스템 및 이를 이용한 모니터링 방법 |
CN104473660B (zh) * | 2014-12-29 | 2017-06-30 | 哈尔滨师范大学 | 一种基于子带能量包络自相关特征的异常心音识别方法 |
JP6388447B2 (ja) * | 2015-03-23 | 2018-09-12 | 国立大学法人九州工業大学 | 生体信号処理装置及び血圧測定システム |
CN105212960B (zh) * | 2015-08-19 | 2018-03-30 | 四川长虹电器股份有限公司 | 心音信号质量评估方法 |
US10004473B2 (en) * | 2015-09-10 | 2018-06-26 | Imediplus Inc. | Heart rate detection method and device using heart sound acquired from auscultation positions |
US11331034B2 (en) | 2015-10-27 | 2022-05-17 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US11672464B2 (en) | 2015-10-27 | 2023-06-13 | Cardiologs Technologies Sas | Electrocardiogram processing system for delineation and classification |
US10426364B2 (en) * | 2015-10-27 | 2019-10-01 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US10779744B2 (en) | 2015-10-27 | 2020-09-22 | Cardiologs Technologies Sas | Automatic method to delineate or categorize an electrocardiogram |
US10827938B2 (en) | 2018-03-30 | 2020-11-10 | Cardiologs Technologies Sas | Systems and methods for digitizing electrocardiograms |
HUP1600354A2 (en) * | 2016-06-01 | 2018-03-28 | Gyoergy Zoltan Kozmann | Method and measurement arrangement for monitoring certain functional parameters of the human heart |
KR102295361B1 (ko) * | 2017-06-30 | 2021-08-31 | 코알라-라이프 에이비 | 휴대용 센서 장치로부터의 심음도 및 심전도 데이터 분석 |
CN111433860B (zh) | 2017-08-25 | 2024-03-12 | 皇家飞利浦有限公司 | 用于分析心电图的用户界面 |
CN107798350B (zh) * | 2017-11-08 | 2023-08-11 | 华南师范大学 | 一种心肺音信号识别方法和系统 |
EP3496108A1 (en) * | 2017-12-06 | 2019-06-12 | Withings | Apparatus, methods and computer programs for analysing heartbeat signals |
JP2021536287A (ja) * | 2018-09-07 | 2021-12-27 | ヴァイタル コネクト, インコーポレイテッドVital Connect, Inc. | 構造的心疾患のスクリーニングデバイス、方法、およびシステム |
CN111053547B (zh) * | 2018-10-16 | 2022-11-29 | 中山大学 | 基于搜索树的实现单通道胎儿心率监测方法 |
TWI729808B (zh) * | 2020-05-14 | 2021-06-01 | 廣達電腦股份有限公司 | 聽診裝置及應用聽診裝置的聽診方法 |
EP4192354A1 (en) | 2020-08-10 | 2023-06-14 | Cardiologs Technologies SAS | Electrocardiogram processing system for detecting and/or predicting cardiac events |
WO2023149058A1 (ja) * | 2022-02-01 | 2023-08-10 | 英次 麻野井 | 心音解析装置、心音解析プログラムおよび記録媒体 |
CN115640507B (zh) * | 2022-12-09 | 2024-03-15 | 镜电(南京)科技发展有限公司 | 一种基于心电心音联合分析的异常数据筛查方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5337752A (en) * | 1992-05-21 | 1994-08-16 | Mcg International, Inc. | System for simultaneously producing and synchronizing spectral patterns of heart sounds and an ECG signal |
US6572560B1 (en) * | 1999-09-29 | 2003-06-03 | Zargis Medical Corp. | Multi-modal cardiac diagnostic decision support system and method |
US20040092846A1 (en) * | 2002-10-31 | 2004-05-13 | Watrous Raymond L. | Graphical user interface and voice-guided protocol for an auscultatory diagnostic decision support system |
US20040260188A1 (en) * | 2003-06-17 | 2004-12-23 | The General Hospital Corporation | Automated auscultation system |
US20040267148A1 (en) * | 2003-06-27 | 2004-12-30 | Patricia Arand | Method and system for detection of heart sounds |
US20060047213A1 (en) * | 2002-10-21 | 2006-03-02 | Noam Gavriely | Acoustic cardiac assessment |
CN1850007A (zh) * | 2006-05-16 | 2006-10-25 | 清华大学深圳研究生院 | 基于心音分析的心脏病自动分类系统及其心音分段方法 |
US7137955B2 (en) * | 2002-04-19 | 2006-11-21 | Omron Healthcare Co., Ltd. | Methods and systems for distal recording of phonocardiographic signals |
US20070239003A1 (en) * | 2005-01-20 | 2007-10-11 | Shertukde Hemchandra M | Apparatus and methods for acoustic diagnosis |
WO2008000254A1 (en) * | 2006-06-26 | 2008-01-03 | Coloplast A/S | Multi parametric classification of cardiovascular sounds |
US20080058607A1 (en) * | 2006-08-08 | 2008-03-06 | Zargis Medical Corp | Categorizing automatically generated physiological data based on industry guidelines |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4362164A (en) * | 1980-09-11 | 1982-12-07 | Hughes Aircraft Company | Electronic pick-up device for transducing electrical energy and sound energy of the heart |
US4594731A (en) * | 1984-11-09 | 1986-06-10 | University Of Utah | Electronic stethoscope |
US5727561A (en) * | 1996-04-23 | 1998-03-17 | The United States Of America As Represented By The Department Of The Navy | Method and apparatus for non-invasive detection and analysis of turbulent flow in a patient's blood vessels |
US7438689B2 (en) * | 2002-10-09 | 2008-10-21 | Bang & Olufsen Medicom A/S | Method for arbitrary two-dimensional scaling of phonocardiographic signals |
US20050222515A1 (en) * | 2004-02-23 | 2005-10-06 | Biosignetics Corporation | Cardiovascular sound signature: method, process and format |
-
2009
- 2009-12-22 EP EP09802013A patent/EP2384144A1/en not_active Withdrawn
- 2009-12-22 CN CN2009801534215A patent/CN102271589A/zh active Pending
- 2009-12-22 US US13/141,771 patent/US20110257548A1/en not_active Abandoned
- 2009-12-22 WO PCT/IB2009/055896 patent/WO2010076740A1/en active Application Filing
- 2009-12-22 JP JP2011544104A patent/JP2012513858A/ja active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5337752A (en) * | 1992-05-21 | 1994-08-16 | Mcg International, Inc. | System for simultaneously producing and synchronizing spectral patterns of heart sounds and an ECG signal |
US6572560B1 (en) * | 1999-09-29 | 2003-06-03 | Zargis Medical Corp. | Multi-modal cardiac diagnostic decision support system and method |
US7137955B2 (en) * | 2002-04-19 | 2006-11-21 | Omron Healthcare Co., Ltd. | Methods and systems for distal recording of phonocardiographic signals |
US20060047213A1 (en) * | 2002-10-21 | 2006-03-02 | Noam Gavriely | Acoustic cardiac assessment |
US20040092846A1 (en) * | 2002-10-31 | 2004-05-13 | Watrous Raymond L. | Graphical user interface and voice-guided protocol for an auscultatory diagnostic decision support system |
US20040260188A1 (en) * | 2003-06-17 | 2004-12-23 | The General Hospital Corporation | Automated auscultation system |
US20040267148A1 (en) * | 2003-06-27 | 2004-12-30 | Patricia Arand | Method and system for detection of heart sounds |
US20070239003A1 (en) * | 2005-01-20 | 2007-10-11 | Shertukde Hemchandra M | Apparatus and methods for acoustic diagnosis |
CN1850007A (zh) * | 2006-05-16 | 2006-10-25 | 清华大学深圳研究生院 | 基于心音分析的心脏病自动分类系统及其心音分段方法 |
WO2008000254A1 (en) * | 2006-06-26 | 2008-01-03 | Coloplast A/S | Multi parametric classification of cardiovascular sounds |
US20080058607A1 (en) * | 2006-08-08 | 2008-03-06 | Zargis Medical Corp | Categorizing automatically generated physiological data based on industry guidelines |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505189B (zh) * | 2013-10-21 | 2016-05-25 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN103505189A (zh) * | 2013-10-21 | 2014-01-15 | 东南大学 | 基于小波包变换和隐马尔科夫模型的脉搏信号分类方法 |
CN104688213A (zh) * | 2015-02-15 | 2015-06-10 | 四川长虹电器股份有限公司 | 一种心音信号分段方法 |
CN104688213B (zh) * | 2015-02-15 | 2017-02-15 | 四川长虹电器股份有限公司 | 一种心音信号分段方法 |
CN108367152A (zh) * | 2015-10-08 | 2018-08-03 | 心脏起搏器股份公司 | 使用心音检测恶化的心力衰竭事件 |
CN108367152B (zh) * | 2015-10-08 | 2021-08-31 | 心脏起搏器股份公司 | 使用心音检测恶化的心力衰竭事件 |
CN109843179A (zh) * | 2016-09-07 | 2019-06-04 | 皇家飞利浦有限公司 | 用于检测异常心音的分类器集成 |
CN111031905A (zh) * | 2017-04-07 | 2020-04-17 | 南洋理工学院 | 用于检测心脏异常的ecg和pcg监视系统 |
CN107049357A (zh) * | 2017-05-25 | 2017-08-18 | 西华大学 | 一种心音信号解析方法、装置及系统 |
CN108143407A (zh) * | 2017-12-25 | 2018-06-12 | 四川大学 | 一种自动提取心音包络特征的心音分段方法 |
CN108420453A (zh) * | 2018-02-26 | 2018-08-21 | 河南善仁医疗科技有限公司 | 基于多路心音的心脏杂音类型的识别方法 |
CN108420454A (zh) * | 2018-02-26 | 2018-08-21 | 河南善仁医疗科技有限公司 | 基于多路心音的心音分裂识别方法 |
CN108420454B (zh) * | 2018-02-26 | 2021-11-26 | 河南善仁医疗科技有限公司 | 基于多路心音的心音分裂识别方法 |
WO2020140599A1 (zh) * | 2019-01-02 | 2020-07-09 | 京东方科技集团股份有限公司 | 心音监测装置、及获取心音信号的方法 |
US11523795B2 (en) | 2019-01-02 | 2022-12-13 | Beijing Boe Display Technology Co., Ltd. | Heart sound monitoring device and method for acquiring heart sound signal |
CN111523487A (zh) * | 2020-04-26 | 2020-08-11 | 上海交通大学医学院附属上海儿童医学中心 | 一种生理音的预处理及自动标注方法 |
CN111714151A (zh) * | 2020-06-28 | 2020-09-29 | 循音智能科技(上海)有限公司 | 一种心音的分析与标注方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
JP2012513858A (ja) | 2012-06-21 |
US20110257548A1 (en) | 2011-10-20 |
WO2010076740A1 (en) | 2010-07-08 |
EP2384144A1 (en) | 2011-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102271589A (zh) | 用于处理心音信号的方法和系统 | |
TW537884B (en) | Heart diagnosis system | |
US7351207B2 (en) | Extraction of one or more discrete heart sounds from heart sound information | |
US20120130263A1 (en) | Medical decision support system | |
Haghighi-Mood et al. | A sub-band energy tracking algorithm for heart sound segmentation | |
CN102149329A (zh) | 用于定位声源的方法和系统 | |
CN109805954B (zh) | 一种电子听诊器的摩擦音干扰自动消除方法 | |
Gamage et al. | Clustering seismocardiographic events using unsupervised machine learning | |
US20090192401A1 (en) | Method and system for heart sound identification | |
WO2008000255A1 (en) | Method for segmenting a cardiovascular signal | |
Banerjee et al. | Segmentation and detection of first and second heart sounds (Si and S 2) using variational mode decomposition | |
Abdollahpur et al. | Cycle selection and neuro-voting system for classifying heart sound recordings | |
Mokeddem et al. | Study of murmurs and their impact on the heart variability | |
Putra et al. | Study of feature extraction methods to detect valvular heart disease (vhd) using a phonocardiogram | |
Varghees et al. | Heart murmur detection and classification using wavelet transform and Hilbert phase envelope | |
Suseno et al. | The signal processing of heart sound from digital stethoscope for identification of heart condition using wavelet transform and neural network | |
Wang et al. | Finding disease similarity by combining ECG with heart auscultation sound | |
Zhong et al. | Heart murmur recognition based on hidden Markov model | |
Barabaşa et al. | A robust method for S1/S2 heart sounds detection without ECG reference based on music beat tracking | |
Ari et al. | On a robust algorithm for heart sound segmentation | |
KR102251478B1 (ko) | 인공지능 기반 천명 판정 방법 및 시스템 | |
Imani et al. | Curve fitting, filter bank and wavelet feature fusion for classification of PCG signals | |
Courtemanche et al. | Heart sound segmentation based on mel-scaled wavelet transform | |
Sh-Hussain et al. | Application of multipoint auscultation for heart sound diagnostic system (MAHDS) | |
Arora et al. | Health of things model for classifying human heart sound signals using co-occurrence matrix and spectrogram |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111207 |