CN102283670A - 一种心音信号量化分析方法及装置 - Google Patents
一种心音信号量化分析方法及装置 Download PDFInfo
- Publication number
- CN102283670A CN102283670A CN2011101908886A CN201110190888A CN102283670A CN 102283670 A CN102283670 A CN 102283670A CN 2011101908886 A CN2011101908886 A CN 2011101908886A CN 201110190888 A CN201110190888 A CN 201110190888A CN 102283670 A CN102283670 A CN 102283670A
- Authority
- CN
- China
- Prior art keywords
- hear sounds
- heart sound
- cardiechema signals
- energy
- period
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000005236 sound signal Effects 0.000 title abstract 7
- 230000000747 cardiac effect Effects 0.000 claims abstract description 50
- 238000002555 auscultation Methods 0.000 claims abstract description 26
- 208000031353 Systolic Murmurs Diseases 0.000 claims abstract description 11
- 238000004445 quantitative analysis Methods 0.000 claims description 35
- 238000001914 filtration Methods 0.000 claims description 31
- 230000002040 relaxant effect Effects 0.000 claims description 26
- 230000009467 reduction Effects 0.000 claims description 21
- 239000000284 extract Substances 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 230000002085 persistent effect Effects 0.000 claims description 14
- 241001269238 Data Species 0.000 claims description 12
- 230000006978 adaptation Effects 0.000 claims description 12
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000009977 dual effect Effects 0.000 claims description 6
- 210000000591 tricuspid valve Anatomy 0.000 claims description 4
- 210000001765 aortic valve Anatomy 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 210000004115 mitral valve Anatomy 0.000 claims description 3
- 230000002685 pulmonary effect Effects 0.000 claims description 3
- 208000024172 Cardiovascular disease Diseases 0.000 abstract description 11
- 238000003745 diagnosis Methods 0.000 abstract description 9
- 208000035211 Heart Murmurs Diseases 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000007781 pre-processing Methods 0.000 abstract 1
- 208000019622 heart disease Diseases 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000001228 spectrum Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000002526 effect on cardiovascular system Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 208000004124 rheumatic heart disease Diseases 0.000 description 2
- 208000020128 Mitral stenosis Diseases 0.000 description 1
- 201000001943 Tricuspid Valve Insufficiency Diseases 0.000 description 1
- 206010044640 Tricuspid valve incompetence Diseases 0.000 description 1
- 201000002064 aortic valve insufficiency Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000002837 heart atrium Anatomy 0.000 description 1
- 230000004217 heart function Effects 0.000 description 1
- 210000005240 left ventricle Anatomy 0.000 description 1
- 208000006887 mitral valve stenosis Diseases 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 210000005241 right ventricle Anatomy 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 210000002435 tendon Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本申请公开了一种心音信号量化分析方法及装置,该方法包括:采集多个临床听诊位置的心音信号;对所采集的多个心音信号分别进行预处理;分别提取预处理后的多个心音信号的心音包络线及特征参数;将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的心音能量;计算各时期的心音能量在整个周期中的百分比,确定正常心音的强度、杂音出现的时间以及强度。该心音信号量化分析方法可以量化分析心音各成分的强度、出现时间及持续时间,分析的结果可以作为临床常见心血管疾病诊断依据,用于评价心脏杂音类型以及与心血管疾病之间的关系。
Description
技术领域
本申请涉及医疗设备技术领域,特别是涉及一种心音信号量化分析方法及装置。
背景技术
心音是由于心脏瓣膜的开关、肌腱和肌肉的舒张收缩、血流的冲击及心血管壁振动而产生的一种复合音。它包含的关于心脏各个部分如心房、心室、大血管、心血管及各个瓣膜功能状态的大量病理信息,是临床评估心脏功能状态的最基本参数。当心血管疾病尚未发展到足以产生临床及病理改变(如心电图变化)以前,心音中出现的杂音和畸变就是重要的诊断信息。因此,心音具有心电不可替代的重要临床诊断优势。同时,心音信号的检测方便、无创、花费极小,可作为心血管病检测、预防的常规手段。
近年来,由于计算机技术、现代数字信号处理技术、模式识别等广泛应用,基于心音信号的心脏疾病智能诊断系统研究成为国外研究热点,而国内在这方法仅处于起步阶段,并且国外研究者虽然展开了系列而深入的研究,但大量采用人工神经网络、支持向量机等分类器进行单一心脏病杂音分类,系统结构不够简单。
另外,采用分类器在对心音信号进行分析时,需要大量的训练样本以提高对心脏疾病的诊断准确度,但在临床上心脏疾病多为混合病,大量完全同类的混合型心脏疾病数据采集使得研究的难度大大增加。
发明内容
有鉴于此,本申请实施例提供一种心音信号量化分析方法及装置,分别提取采集到的心音信号中的特征参数,并计算不同时期的心音能量,根据各时期的心音能量在整个周期中的百分比,就可以确定心音强度、杂音出现的时间以及强度,进而可以实现简单方便地对心音信号进行量化分析,为临床常见心血管疾病诊断提供诊断参数。
为了实现上述目的,本申请实施例提供的技术方案如下:
一种心音信号量化分析方法,包括:
采集多个临床听诊位置的心音信号;
对所采集的多个心音信号分别进行预处理;
分别提取预处理后的多个心音信号的心音包络线及特征参数,所述特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率;
将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量;
计算各时期的心音能量在整个周期中的百分比,确定正常心音的强度、杂音出现的时间以及强度。
优选地,采用多导同步心音收集装置同时采集主动脉瓣、肺动脉瓣、二尖瓣和三尖瓣相对应的听诊位置的心音信号。
优选地,对所采集的多个心音信号分别进行预处理,包括:
采用带通滤波去除心音信号中的外界低频杂音和高频干扰;
采用小波阈值降噪法对滤波后的心音信号进行降噪;
对降噪后的心音信号进行归一化处理。
优选地,所述分别提取预处理后的多个心音信号的心音包络线及特征参数,包括:
采用变频同态滤波方法自适应滤除心音信号中的乘性噪声并提取心音包络线;
采用自适应双阈值门限法对所述心音包络线进行心音定位与分段,识别出各自心动周期中的第一心音峰值、第二心音峰值以及收缩期、舒张期;
提取第一、第二心音、收缩期以及舒张期的持续时间,并计算心率。
优选地,该方法进一步包括:
提取心音数据库中大量心音数据的心音能量参数;
采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围;
将计算得到的所述心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的所述心音能量属于正常心音的能量范围或异常心音的能量范围。
优选地,该方法进一步包括:将所述判断结果输出。
一种心音信号量化分析装置,包括:
多导同步心音收集装置,用于采集多个听诊位置的心音信号;
预处理单元,用于对所采集的多个心音信号分别进行预处理;
提取单元,用于分别提取预处理后的多个心音信号的心音包络线及特征参数,所述特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率;
心音能量计算单元,用于将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量;
心音强度确定单元,用于计算各时期的心音能量在整个周期中的百分比,并确定正常心音的强度、杂音出现的时间以及强度。
优选地,所述预处理单元包括:
带通滤波单元,采用带通滤波去除心音信号中的外界低频杂音和高频干扰;
降噪单元,采用小波阈值降噪法对带通滤波后的心音信号进行降噪;
归一化处理单元,用于对降噪后的心音信号进行归一化处理。
优选地,所述提取单元包括:
变频同态滤波单元,采用变频同态滤波方法自适应滤除心音信号中的乘性噪声并提取心音包络线;
心音定位与分段单元,采用自适应双阈值门限法对所述心音包络线进行心音定位与分段,识别出各自心动周期中的第一、第二心音以及收缩期、舒张期;
特征参数提取单元,用于提取第一、第二心音收缩期以及舒张期的持续时间,并计算心率。
优选地,该装置进一步包括:
心音数据库,用于存储大量心音数据的心音能量参数;
心音能量参数提取单元,用于提取所述心音数据库中大量心音数据的心音能量参数;
心音能量范围确定单元,用于采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围;
心音能量确定单元,用于将计算得到的所述心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的所述心音能量属于正常心音的能量范围或异常心音的能量范围。
优选地,该装置进一步包括:
输出单元,用于将所述心音能量确定单元的判断结果输出。
由以上技术方案可见,本申请实施例提供的该心音量化分析方法,该方法首先采集多个临床听诊位置的心音信号,并且对所采集的多个心音信号分别进行预处理,然后分别提取预处理后的多个心音信号的心音包络线及特征参数,并将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的心音能量,最后计算各时期的心音能量在整个周期中的百分比,确定正常心音的强度、杂音出现的时间以及强度。该心音信号量化分析方法可以量化分析心音各成分的强度、出现时间及持续时间,分析的结果可以作为临床常见心血管疾病诊断依据,用于评价心脏杂音类型以及与心血管疾病之间的关系。
此外,该心音量化分析方法还可以与心音数据库相结合,将某一患者的量化分析结果与心音数据中大量的心音数据进行比较,并根据特征参数性质与病理特性之间的关系,可以实现心音的智能辨识和心脏量化听诊,对于常见心血管疾病早期检测与初步诊断具有重要的理论及临床价值。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供一种心音信号量化分析方法的流程示意图;
图2为本申请实施例提供的预处理的流程示意图;
图3为本申请实施例提供预处理前后的心音信号图;
图4为本申请实施例提供的提取心音包络线及特征参数的流程示意图;
图5为本申请实施例提供的提取心音包络线时的心音信号图;
图6为本申请实施例提供的另一种心音信号量化分析方法的流程示意图;
图7为本申请实施例二提供的心音信号量化分析方法在对一个正常人进行听诊时的心音信号图;
图8为本申请实施例二提供的心音信号量化分析方法在对一个患有风湿性心脏病的病人进行听诊时的心音信号图;
图9为本申请实施例提供的一种心音信号量化分析装置的结构示意图;
图10为本申请实施例提供的预处理单元的结构示意图;
图11为本申请实施例提供的提取单元的结构示意图;
图12为本申请实施例提供的另一种心音信号量化分析装置的结构示意图;
图13为本申请实施例提供的第三种心音信号量化分析装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
实施例一:
图1为本申请实施例提供一种心音信号量化分析方法的流程示意图。
如图1所示,该方法包括:
步骤S101:采集多个听诊部位的心音信号。
在本申请实施例中,听诊部位选择为四个,分别为:主动脉瓣、肺动脉瓣、二尖瓣和三尖瓣相对应的听诊位置,并且采集各部位的心音信号时,选择采用多导同步心音采集装置同时采集上述四个听诊位置的心音信号。
采用多导同步心音采集装置来采集心音信号,不仅可以排除各部位心音采集时的时间差,增强相同条件下的数据对比性,而且同时记录两个以上部位的心音,可以正确鉴定S1(The First Heart Sound,第一心音)及S2(TheSecond Heart Sound,第二心音)的成分,找出杂音和心音的关系,并可估计声音最强部位及其传导方向,并且不同部位间的心音幅值比较,如三尖瓣听诊区第一心音的幅值与二尖瓣听诊区第一心音的幅值之比(T1/M1),评估右心室和左心室的负荷状态,可用于评估右心和左心收缩能力的相对变化。所以在本申请实施例中,采用四导心音同步心音采集和解析有利于对比性研究心脏各瓣膜及左右房室间的关系,为后续的量化分析提供实验数据。另外在本申请实施例中多导同步心音采集装置优选为四导同步心音采集装置。
步骤S102:对所采集的心音信号进行预处理。
由于正常心音的频带主要集中在30~150Hz,异常心音根据病情差异频带分布较广,高频杂音可达600Hz,有时可高达1000Hz,为了避免在心音信号采集过程中存在多种外界因素的干扰,例如:高频干扰、患者身体的晃动、周围环境干扰、录音系统的自身干扰,所以需要对采集到的心音信号进行预处理,去除外界因素的干扰。
图2为本申请实施例提供的预处理的流程示意图。如图2所示,对所采集的心音信号进行预处理包括:
步骤S201:采用带通滤波去除心音信号中的外界高频干扰。
通过该步骤可以消除外界的高频干扰对微弱心音信号的影响。
步骤S202:采用小波阈值降噪法对滤波后的心音信号进行降噪。
通过该步骤可以将由于患者身体的晃动、周围环境干扰、录音系统自身干扰灯外界干扰而引入了各种杂音消除掉,得到高信噪比的心音信号。
步骤S203:对降噪后的心音信号进行归一化处理。
由于在任何心音采集系统中,心音信号的采集和处理都会经历几次增益变化,如传感器中的放大、音频放大等,其后的增益不宜用普通方法表示,而心音的绝对值也不能用来评估心脏功能状态。该步骤可以归纳统一心音数据的统计分布,使物理系数数值的绝对值变成某种相对值的关系,既保证了运算的便捷,又能凸现出物理量的本质含义。
如图3所示,为本申请实施例提供的预处理前后的心音信号图,其中左侧分别为四个通道采集的原始心音信号图,右侧分别为经过预处理后的心音信号图。
步骤S103:提取预处理后心音信号的心音包络线及特征参数。
在上述步骤S102中,虽然得到了心音信号图形,但从图形中还无法直观地得到心音的各种数据,还需要提取心音包络线及特征参数。在本申请实施例,该步骤采用时域为主、频率为辅的方式提取心音包络线及特征参数,为后续的量化分析提供实验数据。另外,在本申请实施例中,心音的特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率。
图4为本申请实施例提供的提取心音包络线及特征参数的流程示意图。如图4所示,该方法包括:
步骤S301:提取心音包络线。
由于心音信号中包含乘性噪声,在本申请实施例中,优选采用基于NAR_PSD(Normalization Autoregressive Power Spectral Density,归一化自回归功率谱密度)的变频同态滤波方法,该变频同态滤波方法通过非线性对数运算将两个变换之间的非线性关系转换为加的关系进行处理,进而达到信号与噪声分离的目的。在具体操作时:首先对预处理后的心音信号绝对值求NAR_PSD,此时可以发现虽然不同心音信号的频谱存在较大差异,但心音频谱中一般会出现两个波峰,主峰在低频带,主要为S1、S2部分,而另一波峰在中频带,对应于心音中的杂音部分;然后设定阈值(THV,Threshold Value)来确定两峰值间的带宽,用于变频同态滤波过程中低通滤波器设计;最后,设计变频同态滤波器,自适应滤除心音信号中的乘性噪声并提取心音包络线。
如图5所示,为本申请实施例提供的提取心音包络线时的心音信号图,其中:第一个图为预处理后的心音信号图,第二个图为预处理后的心音信号所对应的NAR_PSD,第三个图为预处理后心音信号绝对值的NAR_PSD,用于确定变频同态滤波器的低通截止频率,最后一个图为心音信号的绝对值以及包络曲线,其中的“☆”表示S1,“O”表示S2。
步骤S302:对心音包络线进行心音定位与分段。
在本申请实施例中,采用自适应双阈值门限法进行心音定位与分段,识别出各心动周期中的第一、第二心音、收缩期以及舒张期。
步骤S303:提取第一、第二心音、收缩期以及舒张期的持续时间,并计算心率。
步骤S104:划分心音时期并计算各时期的心音能量。
将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量;
步骤S105:确定正常心音的强度、杂音出现的时间以及强度。
根据步骤S104中划分得到的心音的各个时期,计算心音各个时期的心音能量在整个周期中的百分比,并根据各时期能量在整个周期中的百分比来确定心音强度确定正常心音的强度、杂音出现的时间以及强度。
实施例二:
上述实施例一可以得到某一个患者的正常心音的强度、杂音出现的时间以及强度,在临床上,医生可以根据这些数据对该患者进行初步诊断,但在诊断过程中需要依靠医生的经验来进行。为了能够减少听诊时对医生的依赖,而能够通过对心音信号的分析就可以得到较为详细的听诊结果,本申请实施例还提供了另一种心音信号量化分析方法,该方法以心音数据库中大量患者的心音能量参数作为听诊的指标体系,将实施例一得到的各心音能量与数据库中的大量的心音能量参数进行比较,进而可以得到该患者详细的听诊结果。
图6为本申请实施例提供的另一种心音信号量化分析方法的流程示意图。
如图6所示,该方法还可以包括:
步骤S106:提取心音数据库中大量心音数据的心音能量参数。
从心音数据库中找到大量患者的病理数据,即患者心音数据的心音能量参数,根据数据库中大量患者的心音能量参数,可以找出人体正常心音的能量范围以及异常心音的能量范围。另外,心音数据库中大量心音数据的心音能量参数均可以通过实施例一中所示的方法得到。
步骤S107:采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围。
步骤S108:将计算得到的各心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的心音能量属于正常心音的能量范围或异常心音的能量范围。
如图7所示,为本申请实施例二提供的心音信号量化分析方法在对一个正常人进行听诊时的心音信号图。图中四个通道分别对应一个听诊位置,其中:左边第一列为预处理后的心音信号图,第二列为心音信号所对应NAR_PSD,第三列为心音信号所对应的变频同态滤波包络及心音定位图,第四列为其对应的各时期的心音能量分布,第五列为心音信号的分析结果,其中,圈内为正常心音的范围,若所有的“*”均位于在圈内为正常心音,任何一个部位的心音信号位于圈外,则属于异常心音,另外如果心音信号对应的“*”位于圈上方则表示该心音含舒张期杂音,位于圈右方表示该心音含收缩期杂音,位于圈右上方为两期杂音或连续型性杂音。
如图8所示,为本申请实施例二提供的心音信号量化分析方法在对一个患有风湿性心脏病的病人进行听诊时的心音信号图。与图7类似,左边第一列为预处理后的心音信号图,第二列为心音信号所对应NAR_PSD,第三列为心音信号所对应的变频同态滤波包络及心音定位图,第四列为其对应的各时期的心音能量分布,第五列为心音信号的分析结果。如图8所示,图中所有的“*”均位于圈外,属于非正常心音,并且图中所有的“*”均位于圈的上方或右方,所以量化分析结果为:患者出现主动脉关闭不全的舒张期杂音、三尖瓣关闭不全的收缩期杂音以及二尖瓣狭窄伴关闭不全舒张期杂音。
此外,在本申请实施例中,该方法还可以包括:步骤S109:将判断结果输出。
在上述步骤108可以得到患者心音能量所属的范围,在该步骤中还可以将该范围输出。
由以上技术方案可见,本申请实施例提供的该心音量化分析方法,该方法首先采集多个临床听诊位置的心音信号,并且对所采集的多个心音信号分别进行预处理,然后分别提取预处理后的多个心音信号的心音包络线及特征参数,并将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的心音能量,最后计算各时期的心音能量在整个周期中的百分比,确定正常心音的强度、杂音出现的时间以及强度。采用该心音信号量化分析方法可以量化分析心音各成分的强度、出现时间及持续时间,分析的结果可以作为临床常见心血管疾病诊断依据,用于评价心脏杂音类型以及与心血管疾病之间的关系。
此外,该心音量化分析方法还可以与心音数据库相结合,将某一患者的量化分析结果与心音数据中大量的心音数据进行比较,并根据特征参数性质与病理特性之间的关系,可以实现心音的智能辨识和心脏量化听诊,对于常见心血管疾病早期检测与初步诊断具有重要的理论及临床价值。
实施例三:
对应上述实施例一提供的心音信号量化分析方法,本申请实施例还提供了一种心音信号量化分析装置,如图9所示,该装置包括
多导同步心音收集装置1,用于采集多个听诊位置的心音信号。
预处理单元2,用于对所采集的多个心音信号分别进行预处理。
在本申请实施例中,如图10所示,预处理单元2包括:带通滤波单元21,采用带通滤波去除心音信号中的外界低频杂音和高频干扰;降噪单元22,采用小波阈值降噪法对带通滤波后的心音信号进行降噪;归一化处理单元23,用于对降噪后的心音信号进行归一化处理。
提取单元3,用于分别提取预处理后的多个心音信号的心音包络线及特征参数。在本申请实施例中,特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率。另外在本申请实施例中,如图11所示,提取单元3包括:变频同态滤波单元31,采用变频同态滤波方法自适应滤除心音信号中的乘性噪声并提取心音包络线;。心音定位与分段单元32,采用自适应双阈值门限法对所述心音包络线进行心音定位与分段,识别出各自心动周期中的第一、第二心音以及收缩期、舒张期;特征参数提取单元,用于提取第一、第二心音收缩期以及舒张期的持续时间,并计算心率。
心音能量计算单元4,用于将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量。
心音强度确定单元5,用于计算各时期的心音能量在整个周期中的百分比,并确定正常心音的强度、杂音出现的时间以及强度。
实施例四:
在实施例三的基础上,如图12所示,该装置还可以包括:
心音数据库6,用于存储大量心音数据的心音能量参数。
心音能量参数提取单元7,用于提取所述心音数据库中大量心音数据的心音能量参数。
心音能量范围确定单元8,用于采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围。
心音能量确定单元9,用于将计算得到的所述心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的所述心音能量属于正常心音的能量范围或异常心音的能量范围。
此外,在本申请其他实施例中,如图13所示,该装置还可以包括输出单元10,用于将心音能量确定单元9的判断结果输出。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的万法。
本申请可用于众多通用或专用的计算系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上所述仅是本申请的优选实施方式,使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种心音信号量化分析方法,其特征在于,包括:
采集多个临床听诊位置的心音信号;
对所采集的多个心音信号分别进行预处理;
分别提取预处理后的多个心音信号的心音包络线及特征参数,所述特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率;
将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量;
计算各时期的心音能量在整个周期中的百分比,确定正常心音的强度、杂音出现的时间以及强度。
2.根据权利要求1所述的方法,其特征在于,采用多导同步心音收集装置同时采集主动脉瓣、肺动脉瓣、二尖瓣和三尖瓣相对应的听诊位置的心音信号。
3.根据权利要求2所述的方法,其特征在于,对所采集的多个心音信号分别进行预处理,包括:
采用带通滤波去除心音信号中的外界低频杂音和高频干扰;
采用小波阈值降噪法对滤波后的心音信号进行降噪;
对降噪后的心音信号进行归一化处理。
4.根据权利要求1所述的方法,其特征在于,所述分别提取预处理后的多个心音信号的心音包络线及特征参数,包括:
采用变频同态滤波方法自适应滤除心音信号中的乘性噪声并提取心音包络线;
采用自适应双阈值门限法对所述心音包络线进行心音定位与分段,识别出各自心动周期中的第一心音峰值、第二心音峰值以及收缩期、舒张期;
提取第一、第二心音、收缩期以及舒张期的持续时间,并计算心率。
5.根据权利要求1所述的方法,其特征在于,进一步包括:
提取心音数据库中大量心音数据的心音能量参数;
采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围;
将计算得到的所述心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的所述心音能量属于正常心音的能量范围或异常心音的能量范围。
6.根据权利要求5所述的方法,其特征在于,进一步包括:将所述判断结果输出。
7.一种心音信号量化分析装置,其特征在于,包括:
多导同步心音收集装置,用于采集多个听诊位置的心音信号;
预处理单元,用于对所采集的多个心音信号分别进行预处理;
提取单元,用于分别提取预处理后的多个心音信号的心音包络线及特征参数,所述特征参数包括:第一心音、第二心音、收缩期以及舒张期的持续时间和心率;
心音能量计算单元,用于将每个心音信号的一个心动周期中的收缩期分为第一心音期和收缩杂音期,将舒张期分为第二心音期和舒张杂音期,并分别计算各个时期的帕斯瓦尔能量,即心音能量;
心音强度确定单元,用于计算各时期的心音能量在整个周期中的百分比,并确定正常心音的强度、杂音出现的时间以及强度。
8.根据权利要求7所述的装置,其特征在于,所述预处理单元包括:
带通滤波单元,采用带通滤波去除心音信号中的外界低频杂音和高频干扰;
降噪单元,采用小波阈值降噪法对带通滤波后的心音信号进行降噪;
归一化处理单元,用于对降噪后的心音信号进行归一化处理。
9.根据权利要求7所述的装置,其特征在于,所述提取单元包括:
变频同态滤波单元,采用变频同态滤波方法自适应滤除心音信号中的乘性噪声并提取心音包络线;
心音定位与分段单元,采用自适应双阈值门限法对所述心音包络线进行心音定位与分段,识别出各自心动周期中的第一、第二心音以及收缩期、舒张期;
特征参数提取单元,用于提取第一、第二心音收缩期以及舒张期的持续时间,并计算心率。
10.根据权利要求7所述的装置,其特征在于,进一步包括:
心音数据库,用于存储大量心音数据的心音能量参数;
心音能量参数提取单元,用于提取所述心音数据库中大量心音数据的心音能量参数;
心音能量范围确定单元,用于采用聚类分析算法寻找各心音能量参数的聚类中心以及正常心音、异常心音的能量范围;
心音能量确定单元,用于将计算得到的所述心音能量与正常心音、异常心音的能量范围进行比较,并判断计算得到的所述心音能量属于正常心音的能量范围或异常心音的能量范围。
11.根据权利要求10所述的装置,其特征在于,进一步包括:
输出单元,用于将所述心音能量确定单元的判断结果输出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190888 CN102283670B (zh) | 2011-07-08 | 2011-07-08 | 一种心音信号量化分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201110190888 CN102283670B (zh) | 2011-07-08 | 2011-07-08 | 一种心音信号量化分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102283670A true CN102283670A (zh) | 2011-12-21 |
CN102283670B CN102283670B (zh) | 2013-07-03 |
Family
ID=45330627
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201110190888 Expired - Fee Related CN102283670B (zh) | 2011-07-08 | 2011-07-08 | 一种心音信号量化分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102283670B (zh) |
Cited By (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104367336A (zh) * | 2014-11-06 | 2015-02-25 | 姜立福 | 一种听诊器及其使用方法 |
CN104510492A (zh) * | 2013-10-06 | 2015-04-15 | 吴伟 | 不可听信号的听诊方法及装置 |
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 |
CN104873218A (zh) * | 2015-04-15 | 2015-09-02 | 南京邮电大学 | 一种4通道心音同步定位采集装置 |
CN104970820A (zh) * | 2015-06-26 | 2015-10-14 | 迈德高武汉生物医学信息科技有限公司 | 一种智能听诊系统及检测方法 |
CN105078435A (zh) * | 2014-04-24 | 2015-11-25 | 重庆融海超声医学工程研究中心有限公司 | 一种胎心音信号检测与处理装置 |
CN105249986A (zh) * | 2015-09-30 | 2016-01-20 | 哈尔滨师范大学 | 一种心音信号周期参数估计方法 |
CN105662455A (zh) * | 2016-01-14 | 2016-06-15 | 南京邮电大学 | 一种手持式语音播报心音检测装置 |
CN106037792A (zh) * | 2016-07-20 | 2016-10-26 | 上海康情信息科技有限公司 | 一种心音波形数据处理和图形显示方法及其听诊系统 |
CN106037704A (zh) * | 2016-05-19 | 2016-10-26 | 四川长虹电器股份有限公司 | 一种心音心率计算方法 |
CN106236126A (zh) * | 2016-08-31 | 2016-12-21 | 周辉 | 一种便携式心血管疾病诊断报警装置 |
CN106652714A (zh) * | 2017-02-04 | 2017-05-10 | 南京邮电大学 | 一种基于级联无损声管的心音产生模型 |
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 |
CN107550457A (zh) * | 2016-06-30 | 2018-01-09 | 诺基亚技术有限公司 | 用于传输心音数据的方法和设备 |
CN108324266A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 基于心电心音分析的家用心脏监控系统 |
CN108324268A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 一种心电图心音图的分析方法 |
CN108324265A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 基于心音特征定位分析心电图心音图的方法 |
CN108378843A (zh) * | 2018-02-26 | 2018-08-10 | 河南善仁医疗科技有限公司 | 基于多路心音的心音传感器位置纠错方法 |
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 |
CN108523920A (zh) * | 2018-02-26 | 2018-09-14 | 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 |
CN108665054A (zh) * | 2018-05-23 | 2018-10-16 | 中国计量大学 | 基于遗传算法优化阈值的Mallat算法在心音信号降噪的应用 |
CN108852405A (zh) * | 2018-06-15 | 2018-11-23 | 彭荣超 | 门控装置、医疗设备及其控制方法、设备和介质 |
CN109414242A (zh) * | 2016-06-01 | 2019-03-01 | G·Z·科兹曼 | 用于监测人类心脏的特定活动参数的方法和测量装置 |
CN110353725A (zh) * | 2019-07-10 | 2019-10-22 | 东南大学 | 一种基于云架构的心音采集与分析系统及方法 |
CN110491504A (zh) * | 2019-08-22 | 2019-11-22 | 北京蓝卫通科技有限公司 | 一种心音信号医学指标数据的获取方法 |
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 |
CN111714150A (zh) * | 2020-06-28 | 2020-09-29 | 循音智能科技(上海)有限公司 | 一种心音信号的评估采集方法 |
CN111759345A (zh) * | 2020-08-10 | 2020-10-13 | 北京中科信利技术有限公司 | 基于卷积神经网络的心脏瓣膜异常分析方法、系统和装置 |
CN111938690A (zh) * | 2020-08-07 | 2020-11-17 | 深圳市罗湖区妇幼保健院 | 小儿智能心音听诊系统 |
CN112932455A (zh) * | 2021-01-28 | 2021-06-11 | 上海联影医疗科技股份有限公司 | 磁共振成像设备及磁共振扫描方法 |
CN114010220A (zh) * | 2021-10-29 | 2022-02-08 | 平安科技(深圳)有限公司 | 心音信号处理方法、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050222515A1 (en) * | 2004-02-23 | 2005-10-06 | Biosignetics Corporation | Cardiovascular sound signature: method, process and format |
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 |
CN101357076A (zh) * | 2008-08-08 | 2009-02-04 | 重庆大学 | 远程心脏储备指标分析系统及其方法 |
CN101530331A (zh) * | 2008-09-11 | 2009-09-16 | 兰州理工大学 | 基于Labview开发平台的心音信号检测与分析系统 |
CN101785669A (zh) * | 2010-02-03 | 2010-07-28 | 深圳先进技术研究院 | 心电信号检测方法及装置 |
-
2011
- 2011-07-08 CN CN 201110190888 patent/CN102283670B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050222515A1 (en) * | 2004-02-23 | 2005-10-06 | Biosignetics Corporation | Cardiovascular sound signature: method, process and format |
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 |
CN101357076A (zh) * | 2008-08-08 | 2009-02-04 | 重庆大学 | 远程心脏储备指标分析系统及其方法 |
CN101530331A (zh) * | 2008-09-11 | 2009-09-16 | 兰州理工大学 | 基于Labview开发平台的心音信号检测与分析系统 |
CN101785669A (zh) * | 2010-02-03 | 2010-07-28 | 深圳先进技术研究院 | 心电信号检测方法及装置 |
Non-Patent Citations (6)
Title |
---|
吴玉春: "心音信号包络提取和识别方法的比较分析研究", 《兰州石化职业技术学院学报》, vol. 10, no. 2, 28 February 2010 (2010-02-28), pages 29 - 31 * |
周静等,: "心音信号的分析及其特征提取方法的研究", 《中国生物医学工程学报》, vol. 24, no. 06, 31 December 2003 (2003-12-31), pages 685 - 689 * |
胡玉良等,: "心音在时频两域中解析方法的研究", 《西华大学学报(自然科学版)》, vol. 28, no. 05, 15 September 2009 (2009-09-15), pages 6 * |
郭兴明等,: "基于心音的心脏储备新指标评价系统的设计与实现", 《中国组织工程研究与临床康复》, vol. 13, no. 22, 28 May 2009 (2009-05-28), pages 4295 - 4298 * |
陈萌辉等,: "基于信号包络及短时过零率的心音分段算法", 《北京生物医学工程》, vol. 26, no. 01, 24 February 2007 (2007-02-24), pages 49 - 50 * |
陈远贵等,: "基于一种新的小波阈值函数的心音信号去噪", 《计算机仿真》, vol. 27, no. 11, 30 November 2010 (2010-11-30), pages 319 - 323 * |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104510492A (zh) * | 2013-10-06 | 2015-04-15 | 吴伟 | 不可听信号的听诊方法及装置 |
CN105078435A (zh) * | 2014-04-24 | 2015-11-25 | 重庆融海超声医学工程研究中心有限公司 | 一种胎心音信号检测与处理装置 |
CN104367336A (zh) * | 2014-11-06 | 2015-02-25 | 姜立福 | 一种听诊器及其使用方法 |
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 |
CN104873218A (zh) * | 2015-04-15 | 2015-09-02 | 南京邮电大学 | 一种4通道心音同步定位采集装置 |
CN104970820A (zh) * | 2015-06-26 | 2015-10-14 | 迈德高武汉生物医学信息科技有限公司 | 一种智能听诊系统及检测方法 |
CN105249986A (zh) * | 2015-09-30 | 2016-01-20 | 哈尔滨师范大学 | 一种心音信号周期参数估计方法 |
CN105662455A (zh) * | 2016-01-14 | 2016-06-15 | 南京邮电大学 | 一种手持式语音播报心音检测装置 |
CN105662455B (zh) * | 2016-01-14 | 2018-10-02 | 南京邮电大学 | 一种手持式语音播报心音检测装置 |
CN106037704A (zh) * | 2016-05-19 | 2016-10-26 | 四川长虹电器股份有限公司 | 一种心音心率计算方法 |
CN109414242A (zh) * | 2016-06-01 | 2019-03-01 | G·Z·科兹曼 | 用于监测人类心脏的特定活动参数的方法和测量装置 |
CN107550457A (zh) * | 2016-06-30 | 2018-01-09 | 诺基亚技术有限公司 | 用于传输心音数据的方法和设备 |
CN106037792B (zh) * | 2016-07-20 | 2019-11-26 | 上海康情信息科技有限公司 | 一种心音波形数据处理和图形显示方法及其听诊系统 |
CN106037792A (zh) * | 2016-07-20 | 2016-10-26 | 上海康情信息科技有限公司 | 一种心音波形数据处理和图形显示方法及其听诊系统 |
CN106236126A (zh) * | 2016-08-31 | 2016-12-21 | 周辉 | 一种便携式心血管疾病诊断报警装置 |
CN106652714A (zh) * | 2017-02-04 | 2017-05-10 | 南京邮电大学 | 一种基于级联无损声管的心音产生模型 |
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 |
CN108523920A (zh) * | 2018-02-26 | 2018-09-14 | 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 |
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 |
CN108523920B (zh) * | 2018-02-26 | 2023-08-22 | 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 |
CN108378843A (zh) * | 2018-02-26 | 2018-08-10 | 河南善仁医疗科技有限公司 | 基于多路心音的心音传感器位置纠错方法 |
CN108324265A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 基于心音特征定位分析心电图心音图的方法 |
CN108324268A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 一种心电图心音图的分析方法 |
CN108324266A (zh) * | 2018-02-26 | 2018-07-27 | 河南善仁医疗科技有限公司 | 基于心电心音分析的家用心脏监控系统 |
CN108665054A (zh) * | 2018-05-23 | 2018-10-16 | 中国计量大学 | 基于遗传算法优化阈值的Mallat算法在心音信号降噪的应用 |
CN108852405A (zh) * | 2018-06-15 | 2018-11-23 | 彭荣超 | 门控装置、医疗设备及其控制方法、设备和介质 |
CN110353725A (zh) * | 2019-07-10 | 2019-10-22 | 东南大学 | 一种基于云架构的心音采集与分析系统及方法 |
CN110491504A (zh) * | 2019-08-22 | 2019-11-22 | 北京蓝卫通科技有限公司 | 一种心音信号医学指标数据的获取方法 |
CN110491504B (zh) * | 2019-08-22 | 2023-01-06 | 北京蓝卫通科技有限公司 | 一种心音信号医学指标数据的获取方法 |
CN111714150A (zh) * | 2020-06-28 | 2020-09-29 | 循音智能科技(上海)有限公司 | 一种心音信号的评估采集方法 |
CN111714150B (zh) * | 2020-06-28 | 2022-07-19 | 循音智能科技(上海)有限公司 | 一种心音信号的评估采集方法 |
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 |
CN111938690A (zh) * | 2020-08-07 | 2020-11-17 | 深圳市罗湖区妇幼保健院 | 小儿智能心音听诊系统 |
CN111759345A (zh) * | 2020-08-10 | 2020-10-13 | 北京中科信利技术有限公司 | 基于卷积神经网络的心脏瓣膜异常分析方法、系统和装置 |
CN111759345B (zh) * | 2020-08-10 | 2023-01-20 | 北京中科信利技术有限公司 | 基于卷积神经网络的心脏瓣膜异常分析方法、系统和装置 |
CN112932455A (zh) * | 2021-01-28 | 2021-06-11 | 上海联影医疗科技股份有限公司 | 磁共振成像设备及磁共振扫描方法 |
CN114010220A (zh) * | 2021-10-29 | 2022-02-08 | 平安科技(深圳)有限公司 | 心音信号处理方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN102283670B (zh) | 2013-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102283670B (zh) | 一种心音信号量化分析方法及装置 | |
TWI596600B (zh) | 識別生理聲音的方法以及系統 | |
Sayadi et al. | A model-based Bayesian framework for ECG beat segmentation | |
Dokur et al. | Heart sound classification using wavelet transform and incremental self-organizing map | |
CN102973277B (zh) | 一种频率跟随响应信号测试系统 | |
WO2009098312A1 (en) | Method and device for the determination of murmur frequency band | |
Daqrouq et al. | Neural network and wavelet average framing percentage energy for atrial fibrillation classification | |
Sedighian et al. | Pediatric heart sound segmentation using Hidden Markov Model | |
CN110464337B (zh) | 一种基于极值能量分解法的心率变异性信号分析方法 | |
Schmidt et al. | Coronary artery disease and low frequency heart sound signatures | |
Choudhary et al. | A novel unified framework for noise-robust ECG-based biometric authentication | |
Song et al. | Heart sounds monitor and analysis in noisy environments | |
Al-Qazzaz et al. | Simulation Recording of an ECG, PCG, and PPG for Feature Extractions | |
Chin et al. | Bayesian real-time QRS complex detector for healthcare system | |
Mondal et al. | Boundary estimation of cardiac events S1 and S2 based on Hilbert transform and adaptive thresholding approach | |
Chou et al. | Modelling arterial blood pressure waveforms for extreme bradycardia and tachycardia by curve fitting with Gaussian functions | |
KR20130015368A (ko) | 은닉 마코프 모델과 심잡음 로그우도를 결합한 심장질환 진단 장치 | |
Zannat et al. | Automated system for features extraction from pcg signal | |
CN111528900A (zh) | 基于巴特沃斯滤波器与香农熵法的心音分段方法和装置 | |
Zhou et al. | Embedded real-time QRS detection algorithm for pervasive cardiac care system | |
Ari et al. | On a robust algorithm for heart sound segmentation | |
Yue et al. | Time-frequency analysis of heart sounds in telemedicine consulting system for auscultation | |
Hikmah et al. | A signal processing framework for multimodal cardiac analysis | |
CN115040135A (zh) | 一种基于心电心音的儿童心血管疾病诊断方法 | |
CN110811673A (zh) | 基于概率神经网络模型的心音分析系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130703 |