CN102512138A - 一种心音监控预警方法 - Google Patents

Abstract

本发明公开了一种心音监控预警方法，属于心音信号监控领域。将声电转换外设与手机、计算机或者其他具有运算功能和存储功能的设备相连接，或采用手机自带的话筒作为获取心音信号的装置，紧贴于人体上的心音信号采集点，将所采集的心音传送至相应设备进行录制和存储，利用EMD方法将声电转换外设的声音采集部件或是手机自带的话筒所采集的心音信号x(t)分解为有限个IMF，然后进行降噪滤波；将降噪滤波后所得重构信号与预置的正常心音知识库进行对比分析，并向用户展示当前的心音状态和分析结果。应用本发明无需增加和携带任何专门硬件设备，用户可以随时随地实时监测并了解自己的心血管系统的健康状态，有效提前预警及向医生提供辅助诊断依据。

Description

一种心音监控预警方法

技术领域

本发明涉及一种利用手机、计算机或其他具有运算功能的设备进行心音监控预警的方法，属于心音信号监控领域。

背景技术

所谓心音就是心脏在收缩或舒张时产生的声音，可分为第一心音(S1)、第二心音(S2)，此两种心音在正常情况下均可听到。第三心音(S3通常仅在儿童及青少年可听到)、第四心音(S4正常情况很少听到)。而心音是心脏及心血管系统机械运动状况的反映，它包含着心脏各个部分本身及相互之间作用的生理和病理信息。心音信号的识别与分类对心血管系统疾病的预警和诊断具有重要意义。

由于现场就医的局限性，很多心血管疾病或者潜在心血管疾病患者不能及时了解自身心血管系统的健康状况，因此往往造成病情延误。

此外在数字化医疗和远程医疗的发展背景下，医疗仪器小型化便携化集成化也成为新的技术需求，因而产生了一系列便携的心音检测装置，特别是利用智能手机或掌上电脑进行心音信号分析判断，不过此类方法均是通过专用的听诊麦克风采集患者心音信号，然后经过A/D转换为数字信号，再与存储在计算部件(如智能手机、计算机等)中的不同疾病不同症状的标准化数字心音信号样本进行比对，以此判断患者目前的健康状况。因此在现有技术方案中，有利用USB(如专利申请201110006997.8)或耳机接口(如专利申请201110046618.8、实用新型200420105880.0)连接到手机或计算机上的专用听诊麦克风(如电子心音传感器、压电传感器)进行心音信号采集的，也有将专用听诊麦克风系统直接固化在手机上的方案(如专利申请200580048617.X)。也就是说，若要按照这些技术方案利用手机进行心音检测，除了手机上要安装专门的软件外，还必须要配置专用的外设——听诊麦克风或心音传感器，有些还需要增设脉冲心音转换电路(如实用新型201020112685.6)、前置放大电路(如专利申请200910030954.6)、心率测试传感芯片(如实用新型200620089069.7)，影响了检测的普及和受众面。

本发明着重在于利用现代高科技手段帮助患者自助快速读取心音信号，进行识别分析，提供一种对心血管疾病或者潜在心血管疾病患者发病前的预警手段，并向医生提供对患者的心血管疾病的辅助诊断依据。

发明内容

本发明的目的是针对现场就医以及日常监测的局限性，采用手机、计算机或者其他具有运算功能和存储功能的设备以及连接手机、计算机或其他具有运算功能设备的声电转换(如手机话筒，包括但不限于话筒)外设，实时自助读取患者的心音，并通过安装在手机、计算机或者其他具有运算功能的设备中的软件进行识别、分析和判断，实现对心血管疾病的监控预警。也可以通过所采集的数据向医生提供对患者的辅助诊断依据。

为了实现上述目的，本发明需要通过声电转换(如手机话筒，包括但不限于话筒)外设获取患者的心音信号，并输入手机、计算机或者其他具有运算功能的设备进行存储、识别、和分析判断。

本发明通过利用基于希尔伯特-黄变换、信号复杂度评估、小波分析等理论方法编写一套心音监控预警软件，该软件的主要作用在于消除噪声，并从时域、频域、时-频域等角度对心音信号进行分析，提取特征参数，进而以图形图像或者声音向患者展示当前的心血管系统的健康状态。

本发明所述方法的具体步骤如下：

a.将声电转换外设与手机、计算机或者其他具有运算功能和存储功能的设备相连接，或采用手机自带的话筒作为获取心音信号的装置；

b.将声电转换外设的声音采集部件或是手机自带的话筒紧贴于人体上的心音信号采集点，声电转换外设将所采集的心音传送至相应的手机、计算机或者其他具有运算功能的设备内，所述设备录制和存储采集的心音信号；采集心音信号的过程至少持续15秒至1分钟；

所述人体上的心音信号采集点是以下五个听诊区之一，即：主动脉瓣听诊区、肺动脉瓣听诊区、心前区、二尖瓣听诊区、三尖瓣听诊区；

c.所述相应的手机、计算机或者其他具有运算功能的设备，利用EMD方法将声电转换外设的声音采集部件或是手机自带的话筒所采集的心音信号x(t)分解为有限个IMF，然后进行降噪滤波；分解所获得的IMF必须满足以下2个条件：①、其极点和过零点的数目应该相等或相近；②、在①所述任意一点，由局部极大值点定义的上包络和局部极小值点定义的下包络的平均值为零；

所述分解为有限个IMF信号的过程如下：根据心音信号x(t)的局部极大值与局部极小值确定上下包络的平均值m(t)，那么x(t)与m(t)的差h为：

h＝x(t)-m(t)                                (1)

将h视为新的x(t)，重复以上操作，直到h满足上述IMF条件，记为：

c₁＝h                            (2)

c₁可视为第一IMF；然后将c₁从x(t)分离出去，即：

x(t)-c₁＝r                        (3)

将r视为新的x(t)，重复以上过程，依次得到第二个IMF c₂，第三个IMFc₃，……，直到c_n或r满足给定的终止条件为止；于是x(t)分解为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{c}_i+r---\left(4\right)$

所述降噪滤波过程为，对信号x(t)经EMD分解后得到n个IMF，为每一层IMF选取一个相应的阈值，并用此阈值对c_i进行截断获得

然后再进行EMD的重构：

${\hat{x}}_i=\underset{i=0}{\overset{n}{\mathrm{\Σ}}}{\hat{c}}_i+r---\left(13\right)$

其中r为第(4)式计算所得；

所述的消除噪声的阈值为：

${\mathrm{\τ}}_i={\widehat{\mathrm{\σ}}}_i\sqrt{2\ln \left(n\right)}---\left(14\right)$

其中 ${\widehat{\mathrm{\σ}}}_i={\mathrm{MAD}}_i/0.6745---\left(15\right)$

这里

为第i层IMF的噪声水平；MAD_i代表第i层IMF的绝对中值偏差且定义为：

MAD_i＝Median{|c_i(t)-Median{c_i(t)}|}       (16)

估计的IMF为

${\hat{c}}_i\left(t\right)=\left\{\begin{array}{cc}\mathrm{sgn}\left[c_i\left(t\right)\left(\right|c_i\left(t\right)-{\mathrm{\&tau;}}_i\left|\right)\right]& \mathrm{if}\left|c_i\left(t\right)\right|\&GreaterEqual;{\mathrm{\&tau;}}_i\\ 0& \mathrm{if}\left|c_i\left(t\right)\right|<{\mathrm{\&tau;}}_i\end{array}\right.---\left(17\right)$

d健康状态判断

将上述降噪滤波后所得重构信号与预置的正常心音知识库进行对比分析，并在相应设备上向用户展示当前的心音状态和分析结果。

与现有的技术相比，本发明的优点在于：

A现有的心音采集基本都是通过专门的心音信号传感器来实现的，而本发明只需要利用手机话筒或者一个普通的麦克风。随着智能手机的普及，用户在使用本发明的产品时，除了下载安装本发明所指心音监控预警软件外，更无需增加和携带任何其它外部硬件设备，对手机的核心部件没有改动。

B用户可以随时随地实时监测并了解自己的心血管系统的健康状态。

C可以有效提前预警，并可以在现场就医时向医生提供辅助诊断依据。

附图说明

图1是心音信号采集点。

具体实施方式

下面将结合附图和实施例对本发明加以详细说明，同时也叙述了本发明技术方案解决的技术问题及有益效果，需要指出的是，所描述的实施例仅旨在便于对本发明的理解，而对其不起任何限定作用。

a将声电转换外设与手机、计算机或者其他具有运算功能和存储功能的设备相连接，或采用手机自带的话筒作为获取心音信号的装置。作为优选，所述声电转换是外设麦克风或录音笔；作为优选，所述声电转换外设带有存储单元，用于存储声音信号；与计算机相连时也可以是录音笔等；所述的手机、计算机或者其他具有运算功能和存储功能的设备上安装有心音监控预警软件，该软件具有监控功能、录制和存储功能、心音信号处理功能、数据输出和显示功能；

b信号采集

将声电转换外设的声音采集部件或是手机自带的话筒紧贴于人体上的心音信号采集点，见附图1，开启心音监控预警软件的监控功能，声电转换(如手机话筒、耳机，包括但不限于话筒、耳机)外设将所采集的心音传送至相应的手机、计算机或者其他具有运算功能的设备内，此时通过心音监控预警软件录制和存储采集的心音信号；此过程需要持续15秒至1分钟左右。

作为优选，当所述声电转换外设不具有存储单元时，在采集心音信号之前，启动已安装在手机、计算机或者其他具有运算功能的设备上的心音监控预警软件，让该心音监控预警软件处于工作等待状态。

所述人体上的心音信号采集点是以下五个听诊区之一，即：主动脉瓣听诊区、肺动脉瓣听诊区、心前区、二尖瓣听诊区、三尖瓣听诊区。

在临床上，一般将听诊部位分为五个听诊区，即：主动脉瓣听诊区、肺动脉瓣听诊区、心前区、二尖瓣听诊区、三尖瓣听诊区。如图1心音信号采集点所示。其中，二尖瓣听诊区位于心尖，是心跳最响的位置，因此也是心音信号最强的采集区，可以高质量地采集心音信号。

c信号过滤与分析

信号过滤与分析阶段应该属于本方法的最核心部分，它要将所接收到的心音信号放大、滤波，并通过对非线性以及非平稳信号的音频信号进行专业的处理，通过对复杂信号进行模态分解(Empirical Mode Decomposition，简称EMD)、希尔伯特-黄变换(Hilbert-Huang Transform，简称HHT)、信号复杂度评估(Multi-Scaled Entropy，简称MSE)、高解析的强化小波转换(Enhance MorletTransform，简称EMT)、趋势讯号移除(Trend Signal Removel，简称TSR)等特殊算法进行时频分析，有效过滤杂波并进行数值计算以得到等效的时域数字信号，最终生成数据的全部能量-频率-时间分布图(即希尔伯特谱)。

以下是Hilbert-Huang变换(HHT)的基本算法：

所述相应的手机、计算机或者其他具有运算功能的设备，利用EMD方法将声电转换外设的声音采集部件或是手机自带的话筒所采集的心音信号x(t)分解为有限个IMF，所获得的IMF必须满足以下2个条件：①、其极点和过零点的数目应该相等或相近；②、在①所述任意一点，由局部极大值点定义的上包络和局部极小值点定义的下包络的平均值为零；

IMF信号的筛选过程如下：根据心音信号x(t)的局部极大值与局部极小值确定上下包络的平均值m(t)，那么x(t)与m(t)的差h为：

h＝x(t)-m(t)                    (1)

将h视为新的x(t)，重复以上操作，直到h满足上述IMF条件，记为：

c₁＝h                            (2)

c₁可视为第一IMF；然后将c₁从x(t)分离出去，即：

x(t)-c₁＝r                       (3)

将r视为新的x(t)，重复以上过程，依次得到第二个IMF c₂，第三个IMFc₃，……，直到c_n或r满足给定的终止条件为止；于是x(t)可分解为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{c}_i+r---\left(4\right)$

对于每1个IMF按照下式作Hilbert变换：

$H\left[c\left(t\right)\right]=\frac{1}{\mathrm{\&pi;}}\underset{-\&infin;}{\overset{\&infin;}{\&Integral;}}\frac{c\left(\mathrm{\&tau;}\right)}{t-\mathrm{\&tau;}}\mathrm{d\&tau;}---\left(5\right)$

构造解析信号：

z(t)＝c(t)+jH[c(t)]＝a(t)e^jθ(t)            (6)

其中： $\sqrt{-1};$

解析信号的幅值函数和相位函数分别为：

$a\left(t\right)=\sqrt{c^2\left(t\right)+H^2\left[c\left(t\right)\right]}---\left(7\right)$

$\mathrm{\&theta;}\left(t\right)=\arctan \frac{H\left[c\left(t\right)\right]}{c\left(t\right)}---\left(8\right)$

IMF分量的瞬时频率定义为：

$f\left(t\right)=\frac{1}{2\mathrm{\&pi;}}\frac{\mathrm{d\&theta;}\left(t\right)}{\mathrm{dt}}---\left(9\right)$

对所有IMF作Hilbert变换后代入下式得到：

$s\left(t\right)=\mathrm{Re}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_i\left(t\right)e^{j{\mathrm{\&theta;}}_i\left(t\right)}=\mathrm{Re}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_i\left(t\right)e^{j{\&Integral;\mathrm{\&omega;}}_i\left(t\right)\mathrm{dt}}---\left(10\right)$

其中 ${\mathrm{\&omega;}}_i\left(t\right)=\frac{d{\mathrm{\&theta;}}_i\left(t\right)}{\mathrm{dt}},$ $j=\sqrt{-1};$

信号的Hilbert谱H(ω，t)，记为：

$H(\mathrm{\&omega;},t)=\mathrm{Re}\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{a}_i\left(t\right)e^{j\&Integral;{\mathrm{\&omega;}}_i\left(t\right)\mathrm{dt}}---\left(11\right)$

将H(ω，t)对频率积分，则得到Hilbert时间边界谱：

$h\left(\mathrm{\&omega;}\right)\underset{0}{\overset{t}{\&Integral;}}H(\mathrm{\&omega;},t)\mathrm{dt}---\left(12\right)$

HHT能得到每个IMF幅值和频率随时间的变化关系，这为信号与噪声分离提供了重要的依据。

以下是降噪算法：

利用EMD进行阈值降噪的基本思想是对给定信号x(t)经EMD分解后得到n个IMF，为每一层IMF选取一个相应的阈值，并用此阈值对c_i进行截断为然后再进行EMD的重构：

${\hat{x}}_i=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}{\hat{c}}_i+r---\left(13\right)$

其中r为第(4)式计算所得。

所述根据Donoho等人给出的消除噪声的阈值为：

${\mathrm{\&tau;}}_i={\widehat{\mathrm{\&sigma;}}}_i\sqrt{2\ln \left(n\right)}---\left(14\right)$

其中 ${\widehat{\mathrm{\&sigma;}}}_i={\mathrm{MAD}}_i/0.6745---\left(15\right)$

这里

为第i层IMF的噪声水平；MAD_i代表第i层IMF的绝对中值偏差且定义为：

MAD_i＝Median{|c_i(t)-Median{c_i(t)}|}    (16)

估计的IMF为

${\hat{c}}_i\left(t\right)=\left\{\begin{array}{cc}\mathrm{sgn}\left[c_i\left(t\right)\left(\right|c_i\left(t\right)-{\mathrm{\&tau;}}_i\left|\right)\right]& \mathrm{if}\left|c_i\left(t\right)\right|\&GreaterEqual;{\mathrm{\&tau;}}_i\\ 0& \mathrm{if}\left|c_i\left(t\right)\right|<{\mathrm{\&tau;}}_i\end{array}\right.---\left(17\right)$

初始层中噪声起主导作用，随着分解层的增加信号成分增强，有用信号成分变为主导成分。国外经验已经证明利用公式(14)、(15)、(16)对于高斯白噪声及色噪声起主导作用的分解层中阈值的确定是有效的，但当有用信号变为主导成分时继续使用上述公式将使过多的有用信号成分被滤除。因此，实现不同主导作用IMF层的区分，以及不同主导作用层噪声水平估计是阈值降噪方法有效使用的关键问题。所以对噪声起主导作用层和有用信号起主导作用层分别采用不同的噪声水平估计方法，是阈值降噪方法有效运用的基础。在实际判定中，可用Hilbert变换来确定所在IMF层的频率范围，依据区分频率f容易区分两种不同的主导作用层。

d健康状态判断

通过信号过滤与分析后所得重构信号与预置的正常心音知识库进行对比分析(重构信号的能量-频率-时间分布图)，心音监控预警软件以图形图像或者声音向患者展示当前的心血管系统的健康状态。

实施例1

假设某人对自己的心血管系统的健康状况赶到担忧，他拥有一部智能手机。下载并在手机上安装了一个本发明所指的心音监控预警软件。

在空闲时，他可以将手机话筒或者附带的耳机话筒紧贴在自己的心脏部位，开启安装在手机上的心音监控预警软件，启动实时监测功能。

此时，手机作为一个心音信号的监测系统进入工作状态，实时处理从耳机端传输过来的心音信号。这里的“实时处理”包括存储和分析。

通过对此人心音信号进行一段合理时间的采样分析，结合已有的知识库，从而得出正常与非正常结论。

为了及时提前预警，一般都会采用图形图像及声音文字的方式提醒被监测者。使用者通常均为非医学专业人士，因此声音预警和文字更为重要。

此人也可以通过所采集的数据向医生提供对患者的辅助诊断依据。

实施例2

假设某人对自己的心血管系统的健康状况赶到担忧，他拥有一台电脑。下载并在电脑上安装了一个本发明所指的心音监控预警软件。

在空闲时，他可以将连接在电脑上的耳机话筒(麦克风)紧贴在自己的心脏部位，开启安装在电脑上的心音监控预警软件，启动实时监测功能。

此时，电脑作为一个心音信号的监测系统进入工作状态，实时处理从耳机端传输过来的心音信号。这里的“实时处理”包括存储和分析。

通过对此人心音信号进行一段合理时间的采样分析，结合已有的知识库，从而得出正常与非正常结论。

为了及时提前预警，一般都会采用图形图像及声音文字的方式提醒被监测者。使用者通常均为非医学专业人士，因此声音文字预警更为重要。

此人也可以通过所采集的数据向医生提供对患者的辅助诊断依据。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉该技术的人在本发明所揭露的技术范围内，可理解想到的变换和替换，都应涵盖在本发明的包含范围之内，因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种心音监控预警方法，其特征在于，包含如下步骤：

a.将声电转换外设与手机、计算机或者其他具有运算功能和存储功能的设备相连接，或采用手机自带的话筒作为获取心音信号的装置；

b.将声电转换外设的声音采集部件或是手机自带的话筒紧贴于人体上的心音信号采集点，声电转换外设将所采集的心音传送至相应的手机、计算机或者其他具有运算功能的设备内，所述设备录制和存储采集的心音信号；采集心音信号的过程至少持续15秒至1分钟；

所述人体上的心音信号采集点是以下五个听诊区之一，即：主动脉瓣听诊区、肺动脉瓣听诊区、心前区、二尖瓣听诊区、三尖瓣听诊区；

c.所述相应的手机、计算机或者其他具有运算功能的设备，利用EMD方法将声电转换外设的声音采集部件或是手机自带的话筒所采集的心音信号x(t)分解为有限个IMF，然后进行降噪滤波；分解所获得的IMF必须满足以下2个条件：①、其极点和过零点的数目应该相等或相近；②、在①所述任意一点，由局部极大值点定义的上包络和局部极小值点定义的下包络的平均值为零；

所述分解为有限个IMF信号的过程如下：根据心音信号x(t)的局部极大值与局部极小值确定上下包络的平均值m(t)，那么x(t)与m(t)的差h为：

h＝x(t)-m(t)            (1)

将h视为新的x(t)，重复以上操作，直到h满足上述IMF条件，记为：

c₁＝h                   (2)

c₁可视为第一IMF；然后将c₁从x(t)分离出去，即：

x(t)-c₁＝r              (3)

将r视为新的x(t)，重复以上过程，依次得到第二个IMF c₂，第三个IMFc₃，……，直到c_n或r满足给定的终止条件为止；于是x(t)分解为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{c}_i+r---\left(4\right)$

所述降噪滤波过程为，对信号x(t)经EMD分解后得到n个IMF，为每一层IMF选取一个相应的阈值，并用此阈值对c_i进行截断获得然后再进行EMD的重构：

${\hat{x}}_i=\underset{i=0}{\overset{n}{\mathrm{\&Sigma;}}}{\hat{c}}_i+r---\left(13\right)$

其中r为第(4)式计算所得；

所述的消除噪声的阈值为：

${\mathrm{\&tau;}}_i={\widehat{\mathrm{\&sigma;}}}_i\sqrt{2\ln \left(n\right)}---\left(14\right)$

其中 ${\widehat{\mathrm{\&sigma;}}}_i={\mathrm{MAD}}_i/0.6745---\left(15\right)$

这里

为第i层IMF的噪声水平；MAD_i代表第i层IMF的绝对中值偏差且定义为：

MAD_i＝Median{|c_i(t)-Median{c_i(t)}|}     (16)

估计的IMF为

${\hat{c}}_i\left(t\right)=\left\{\begin{array}{cc}\mathrm{sgn}\left[c_i\left(t\right)\left(\right|c_i\left(t\right)-{\mathrm{\&tau;}}_i\left|\right)\right]& \mathrm{if}\left|c_i\left(t\right)\right|\&GreaterEqual;{\mathrm{\&tau;}}_i\\ 0& \mathrm{if}\left|c_i\left(t\right)\right|<{\mathrm{\&tau;}}_i\end{array}\right.---\left(17\right)$

d健康状态判断

将上述降噪滤波后所得重构信号与预置的正常心音知识库进行对比分析，并在相应设备上向用户展示当前的心音状态和分析结果。

2.根据权利要求1所述一种心音监控预警方法，其特征在于，所述的手机、计算机或者其他具有运算功能和存储功能的设备上安装有心音监控预警软件，该软件具有监控功能、录制和存储功能、心音信号处理功能、数据输出和显示功能。

3.根据权利要求1或2所述一种心音监控预警方法，其特征在于，所述声电转换外设是麦克风或录音笔。

4.根据权利要求1所述一种心音监控预警方法，其特征在于，所述声电转换外设带有存储单元，用于存储声音信号。

5.根据权利要求2所述一种心音监控预警方法，其特征在于，当所述声电转换外设不具有存储单元时，在采集心音信号之前，启动已安装在手机、计算机或者其他具有运算功能的设备上的心音监控预警软件，让该心音监控预警软件处于工作等待状态。