CN103479383B - 心音信号分析的装置和具有其的智能心脏听诊器 - Google Patents
心音信号分析的装置和具有其的智能心脏听诊器 Download PDFInfo
- Publication number
- CN103479383B CN103479383B CN201310449558.3A CN201310449558A CN103479383B CN 103479383 B CN103479383 B CN 103479383B CN 201310449558 A CN201310449558 A CN 201310449558A CN 103479383 B CN103479383 B CN 103479383B
- Authority
- CN
- China
- Prior art keywords
- heart
- module
- cardiechema signals
- envelope
- heart rate
- 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.)
- Active
Links
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明提出一种心音信号的分析方法,包括:采集和存储来自听诊头的心音信号;对心音信号进行滤波处理,得到滤波后的心音信号;对滤波后的心音信号,采用分段自相关算法检测心率;提取滤波后的心音信号的包络;在心音信号的包络中,检测出第一心音S1和第二心音S2;将心音信号的包络中的第一心音S1和第二心音S2滤除,得到心脏杂音的包络;根据心脏杂音的包络的特征进行诊断,得到诊断结果;输出并显示心率和诊断结果。本发明还提出一种心音信号的分析装置和具有其的智能心脏听诊器。本发明的心音信号的检测方法及装置和智能心脏听诊器不仅可以准确地检测心率,记录心音信号,还具备自动诊断的功能,不但可以给医生提供帮助,更适合普通人使用。
Description
技术领域
本发明属于医疗器械领域,具体涉及一种心音信号分析的方法、心音信号分析装置和具有心音信号分析装置的智能心脏听诊器。
背景技术
心脏病是严重威胁人类健康和生命的主要疾病之一,听诊是对心脏疾病进行检测的一种重要手段,具有心电图、超声心电图不可取代的优势。
传统听诊器受人耳听力敏感局限,往往难以捕捉到人体内部脏器发出的一些微弱但却非常重要的生物声,致使医生无法及时做出诊断,而且诊断的依据主要根据医生的经验,准确性较差。目前市场上出现一些电子听诊器,仅记录患者的心音信号直观地呈现给医生,不进行任何分析处理,不适合普通人使用。
发明内容
本发明旨在至少解决上述技术问题之一。
为此,本发明的心音信号分析的方法及装置和具有其的智能心脏听诊器,能够捕捉到人体内部脏器发出的微弱但却至关重要的生物声,突破了人耳听力敏感局限。敏感性高,心率检测准确率高,还具备自动诊断的功能。不但可以给医生提供帮助,更适合普通人使用。
本发明的第一个目的在于提出一种心音信号的分析方法,包括以下步骤:S1.采集和存储来自听诊头的心音信号;S2.对所述心音信号进行滤波处理,得到滤波后的心音信号;S3.对所述滤波后的心音信号,采用分段自相关算法检测心率;S4.提取所述滤波后的心音信号的包络;S5.在所述心音信号的包络中,检测出第一心音S1和第二心音S2;S6.将所述心音信号的包络中的所述第一心音S1和第二心音S2滤除,得到心脏杂音的包络;S7.根据所述心脏杂音的包络的特征进行诊断,得到诊断结果;以及S8.输出并显示所述心率和所述诊断结果。
根据本发明的心音信号的分析方法,所述步骤S3具体包括以下步骤:S31.假设检测的所述心音信号的频率范围为[N1,N2],采样频率为FS,则相应的心动周期为采用分段自相关算法对范围内每个正整数idx按下述公式计算所述idx的 自相关值corr(idx):
其中,wave为所述滤波后的心音信号,seglen是所述心动周期为的分段长度,为正整数,segnum为所述分段的数目,为正整数,i、j为正整数;S32.根据上述计算得到的corr(idx),搜索其最大值,记为corr_max,其对应的idx记为max_idx,同时计算所有所述corr(idx)的平均值corr_ave,计算若大于第一门限,则心率检测成功,心率为继续执行步骤S4,反之,心率检测失败,其中,第一门限为已知经验数值,用于判断心率检测是否成功。
根据本发明的心音信号的分析方法,在步骤S4中按照以下公式计算所述心音信号的包络:其中,N为预设平滑长度。
根据本发明的心音信号的分析方法,所述步骤S5具体包括:S51.检测可能的包含S1和S2的区域,使用上述步骤S4得到的心音包络与第二门限比较,大于第二门限并持续时间大于Min_S1S2_T的区域即为可能的包含S1和S2的区域,记为{C1,C2,…,Cn},并记录第i个区域Ci的开始时间和结束时间,分别记为Ci.start,Ci.end,其中,第二门限为已知经验数值,用于判断是否是心音信号,Min_S1S2_T为S1、S2的最小持续时间;S52.从{C1,C2,…,Cn}中挑出每个区域中处于第一个心动周期的S1和S2,记为{C1,C2,…,Cm},其中,m<n,在{C1,C2,…,Cm}中挑选出功率最大的两个区域作为S1和S2的候选,根据S1到S2时间间隔小于S2到S1时间间隔来确定S1和S2,并记录所述第一个心动周期的第一心音为S1[1],第二心音为S2[1],其相应的开始时间记为S1[1].start和S2[1].start;S53.根据S1[1]和S2[1]和{C1,C2,…,Cn}来确定其他心动周期中的S1和S2,对第k个心动周期,寻找使|Ci.start-(S1[1].start+k*heart_period)|最小的Ci,所述Ci即为所述第k个心动周期的第一心音,记为S1[k],同样,寻找使|Cj.start-(S2[1].start+k*heart_period)|最小的Cj,所述Cj即为所述第k个心动周期的第二心音,记为S2[k],其中,heart_peroid为心动周期, i、j∈(1,n),且为整数。
根据本发明的心音信号的分析方法,所述心脏杂音的包络的特征包括杂音出现的位置、杂音的持续时间、杂音的大小和杂音的频率。
本发明的第二个目的在于提出一种心音信号的分析装置,包括:数据采集与存储模块,用于采集和存储来自听诊头的心音信号;滤波模块,所述滤波模块与所述数据采集与存储模块相连,用于对所述数据采集与存储模块存储的心音信号进行滤波处理,得到滤波后的心音信号;心率检测模块,所述心率检测模块与所述滤波模块相连,用于检测心率;心音包络提取模块,所述心音包络提取模块与所述心率检测模块相连,用于提取所述滤波后的心音信号的包络;S1S2检测模块,所述S1S2检测模块与所述心音包络提取模块相连,用于确定第一心音S1和第二心音S2;杂音包络提取模块,所述杂音包络提取模块与所述S1S2检测模块相连,用于提取心脏杂音的包络;心音诊断模块,所述心音诊断模块与所述杂音包络提取模块相连,用于根据所述心脏杂音包络的特征进行诊断,获取诊断结果;显示模块,所述显示模块与所述心率检测模块和所述心音诊断模块相连,用于输出并显示所述心率和所述诊断结果。
根据本发明的心音信号的分析装置,所述心率检测模块中具体包括:自相关值计算模块,所述自相关值计算模块用于计算自相关值,假设检所述自相关值计算模块用于计算自相关值,假设检测的所述心音信号的频率范围为[N1,N2],采样频率为FS,则相应的心动周期为采用分段自相关算法就是对范围内每个正整数idx按下述公式计算所述idx的自相关值corr(idx):
其中,wave为所述滤波后的心音信号,seglen是所述心动周期为的分段长度,为正整数,segnum为所述分段的数目,为正整数;i、j为正整数;心率计算模块,所述心率计算模块与所述自相关值计算模块相连,用于检测心率,根据上述计算得到的corr(idx),搜索其最大值,记为corr_max,其对应的idx记为max_idx,同时计算所有所述corr(idx)的平均值corr_ave,计算若大于第一门限,则心率检测成功,心率为并将所述心率传输到心音包络提取模块,反之,心率检测失败,其中,第一门限为已知经验数值,用于判断心率检测是否成功。
根据本发明的心音信号的分析装置,所述心音包络提取模块中,按照以下公式计算所述心音信号的包络:
其中,N为预设平滑长度。
根据本发明的心音信号的分析装置,所述S1S2检测模块具体包括:S1和S2的区域检测模块,所述S1和S2的区域检测模块用于检测可能的包含S1和S2的区域,使用上述心音包络提取模块得到的心音包络与第二门限比较,大于第二门限并持续时间大于Min_S1S2_T的区域即为可能的包含S1和S2的区域,记为{C1,C2,…,Cn},并记录第i个区域Ci的开始时间和结束时间,分别记为Ci.start,Ci.end,其中,第二门限为已知经验数值,用于判断是否是心音信号,Min_S1S2_T为S1、S2的最小持续时间;第一心动周期S1和S2确定模块,所述第一心动周期S1和S2确定模块与所述S1和S2的区域检测模块相连,用于从{C1,C2,…,Cn}中挑出每个区域中处于第一个心动周期的S1S2,记为{C1,C2,…,Cm},其中,m<n,在{C1,C2,…,Cm}中挑选出功率最大的两个区域作为S1和S2的候选,根据S1到S2时间间隔小于S2到S1时间间隔来确定S1和S2,并记录所述第一个心动周期的第一心音为S1[1],第二心音为S2[1],其相应的开始时间记为S1[1].start和S2[1].start;其他心动周期S1和S2确定模块,所述其他心动周期S1和S2确定模块与所述第一心动周期S1和S2确定模块相连,用于根据S1[1]和S2[1]和{C1,C2,…,Cn}来确定其他心动周期中的S1和S2,对第k个心动周期,寻找使|Ci.start-(S1[1].start+k*heart_period)|最小的Ci,所述Ci即为所述第k个心动周期的第一心音,记为S1[k],同样,寻找使|Cj.start-(S2[1].start+k*heart_period)|最小的Cj,所述Cj即为所述第k个心动周期的第二心音,记为S2[k],其中,heart_peroid为心动周期,i、j∈(1,n),且为整数。
根据本发明的心音信号的分析装置,所述心脏杂音的包络的特征包括杂音出现的位置、杂音的持续时间、杂音的大小和杂音的频率。
本发明的第三个目的在于提出一种智能心脏听诊器,包括:听诊头,所述听诊头用于采集心音信号;分析平台,所述分析平台与所述听诊头相连,用于分析和存储来自所述听诊头的心音信号;耳机,所述耳机与所述分析平台相连,用来听所述分析平台存储的心音信号;以及显示屏,所述显示屏与所述分析平台相连,用来显示所述心音信号的分析结果。
根据本发明的智能心脏听诊器,所述分析平台为电脑、手机或者自制的处理平台。
本发明的心音信号分析的方法及装置和具有其的智能心脏听诊器,能够捕捉到人体内部脏器发出的微弱但却至关重要的生物声,突破了人耳听力敏感局限。敏感性高,心率检测准确率高,还具备自动诊断的功能。不但可以给医生提供帮助,更适合普通人使用。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明 显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中,
图1是本发明实施例的心音信号的分析方法流程图;
图2是图1中步骤S3的详细流程图;
图3a为一例心音信号的滤波后的信号示意图;
图3b为图3a所示的滤波后的心音信号的包络示意图;
图4是图1中步骤S5的详细流程图;
图5是本发明实施例的心音信号的分析装置的结构框图;和
图6是本发明实施例的智能心脏听诊器的结构框图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
下面参考附图描述根据本发明实施例的心音信号分析的方法及装置和具有其的智能心脏听诊器。
本发明第一方面提出一种心音信号的分析方法。
如图1所示,本发明实施例的心音信号的分析方法的具体实现流程如下:
S1.采集和存储来自听诊头的心音信号。
采样频率可以是8000Hz、11025Hz、22050Hz、44100Hz等,存储长度根据需要可以是5秒、10秒、20秒等。
S2.对心音信号进行滤波处理,得到滤波后的心音信号。
心音信号集中在20Hz~1000Hz,需要对此范围外的噪音进行滤除,得到滤波后的信号。
S3.对滤波后的心音信号,采用分段自相关算法检测心率。
心率即心跳频率,亦即1分钟内心跳的次数。结合图2,说明本发明的实施例中检测心率的步骤。
S31.假设检测的心音信号的频率范围为[N1,N2],采样频率为FS,则相应的心动周期为 采用分段自相关算法对范围内每个正整数idx按下述公式计算idx的自相关值corr(idx):
其中,wave为滤波后的心音信号,seglen是心动周期为的分段长度,为正整数,segnum为分段的数目,为正整数,i、j为正整数。
S32.根据上述计算得到的corr(idx),搜索其最大值,记为corr_max,其对应的idx记为max_idx,同时计算所有corr(idx)的平均值corr_ave。计算若大于第一门限,则心率检测成功,心率为继续执行步骤S4,反之,心率检测失败。其中,第一门限为已知经验数值,用于判断心率检测是否成功,第一门限可以通过算法仿真确定,取值范围为(5,10)。
S4.提取滤波后的心音信号的包络。
例如,如图3a所示的滤波后的心音信号,按照以下公式计算心音信号的包络:
其中,N为预设平滑长度。图3a所示的滤波后的心音信号的包络如图3b所示。
S5.在心音信号的包络中,检测出第一心音S1和第二心音S2。结合图4,具体的实现过程描述如下:
S51.检测可能的包含S1和S2的区域,将心音信号的包络与第二门限比较,大于第二门 限并持续时间大于Min_S1S2_T的区域即为可能的包含S1和S2的区域,记为{C1,C2,…,Cn},并记录第i个区域Ci的开始时间和结束时间,分别记为Ci.start,Ci.end。其中,第二门限为已知经验数值,用于判断是否是心音信号,第二门限可以通过算法仿真确定,一般取值为心音包络最大值的1/4~1/2,Min_S1S2_T为S1、S2的最小持续时间。
S52.从{C1,C2,…,Cn}中挑出每个区域中处于第一个心动周期的S1和S2,记为{C1,C2,…,Cm}。其中,m<n,在{C1,C2,…,Cm}中挑选出功率最大的两个区域作为S1和S2的候选。根据S1到S2时间间隔小于S2到S1时间间隔来确定S1和S2,并记录第一个心动周期的第一心音为S1[1],第二心音为S2[1],其相应的开始时间记为S1[1].start和S2[1].start。
S53.根据S1[1]和S2[1]和{C1,C2,…,Cn}来确定其他心动周期中的S1和S2。对第k个心动周期,寻找使Ci.start-(S1[1].start+k*heart_period)最小的Ci,Ci即为第k个心动周期的第一心音,记为S1[k]。同样,寻找使Cj.start-(S2[1].start+k*heart_period)最小的Cj,Cj即为第k个心动周期的第二心音,记为S2[k]。其中,heart_peroid为心动周期, i、j∈(1,n),且为整数。
S6.将心音信号的包络中的第一心音S1和第二心音S2滤除,得到心脏杂音的包络。具体做法是,将心音信号的包络中的S1和S2去掉,剩下的则为心脏杂音的包络。
S7.根据心脏杂音的包络的特征进行诊断,得到诊断结果。
心脏杂音包络的特征包括杂音出现的位置(收缩期、舒张期),杂音的持续时间,杂音的大小,杂音的频率等。收缩期杂音常见于高血压性心脏病、冠心病、贫血性心脏病、扩张型心肌病、二尖瓣狭窄、房间隔缺损、肺动脉瓣狭窄。舒张期杂音常见于中、重度主动脉瓣关闭不全、风湿性二尖瓣狭窄。连续性杂音常见于先天性心脏病动脉导管未闭、冠状动静脉瘘、冠状动脉窦瘤破裂等。
S8.输出并显示心率和诊断结果。
本发明第二方面提出一种心音信号的分析装置。
如图5所示,本发明实施例的心音信号的分析装置,包括:数据采集与存储模块201、滤波模块202、心率检测模块203、心音包络提取模块204、S1S2检测模块205、杂音包络提取模块206、心音诊断模块207和显示模块208。
数据采集与存储模块201用于采集和存储来自听诊头的心音信号。滤波模块202与数据采集与存储模块201相连,用于对数据采集与存储模块201存储的心音信号进行滤波处理,得到滤波后的心音信号。心率检测模块203与滤波模块202相连,用于检测心率。心音包络提取模块204与心率检测模块203相连,用于提取滤波后的心音信号的包络。S1S2检测模块205与心音包络提取模块204相连,用于确定第一心音S1和第二心音S2。杂音包络提取模块206与S1S2检测模块205相连,用于提取心脏杂音的包络。心音诊断模块207与杂音 包络提取模块206相连,用于根据心脏杂音包络的特征进行诊断,获取诊断结果。显示模块208与心率检测模块203和心音诊断模块207相连,用于输出并显示心率和诊断结果。
具体地,心率检测模块203包括:自相关值计算模块、心率计算模块。
自相关值计算模块用于计算自相关值,假设检测的心音信号的频率范围为[N1,N2],采样频率为FS,则相应的心动周期为采用分段自相关算法就是对 范围内每个正整数idx按下述公式计算idx的自相关值corr(idx):
其中,wave为滤波后的心音信号,seglen是心动周期为的分段长度,为正整数,segnum为分段的数目,为正整数,i、j为正整数。
心率计算模块与自相关值计算模块相连,用于检测心率。根据上述计算得到的corr(idx),搜索其最大值,记为corr_max,其对应的idx记为max_idx,同时计算所有corr(idx)的平均值corr_ave。计算若大于第一门限,则心率检测成功,心率为 并将心率传输到心音包络提取模块。反之,心率检测失败。其中,第一门限为已知经验数值,用于判断心率检测是否成功。第一门限可以通过算法仿真来确定,取值范围为(5,10)。
具体地,S1S2检测模块205包括:S1和S2的区域检测模块、第一心动周期S1和S2确定模块、其他心动周期S1和S2确定模块。
S1和S2的区域检测模块,用于检测可能的包含S1和S2的区域,使用上述心音包络提取模块得到的心音包络与第二门限比较,大于第二门限并持续时间大于Min_S1S2_T的区域即为可能的包含S1和S2的区域,记为{C1,C2,…,Cn},并记录第i个区域Ci的开始时间和结束时间,分别记为Ci.start,Ci.end。其中,第二门限为已知经验数值,用于判断是否是心音信号。第二门限可以通过算法仿真确定,一般取值为心音信号的包络最大值的1/4~1/2,Min_S1S2_T为S1、S2的最小持续时间。
第一心动周期S1和S2确定模块,与S1和S2的区域检测模块相连,用于从{C1,C2,…,Cn}中挑出每个区域中处于第一个心动周期的S1S2,记为{C1,C2,…,Cm}。其中,m<n,在{C1,C2,…,Cm}中挑选出功率最大的两个区域作为S1和S2的候选。根据S1到S2时间间隔小于S2到S1时间间隔来确定S1和S2,并记录第一个心动周期的第一心音为S1[1], 第二心音为S2[1],其相应的开始时间记为S1[1].start和S2[1].start。
其他心动周期S1和S2确定模块,与第一心动周期S1和S2确定模块相连,用于根据S1[1]和S2[1]和{C1,C2,…,Cn}来确定其他心动周期中的S1和S2。对第k个心动周期,寻找使|Ci.start-(S1[1].start+k*heart_period)|最小的Ci,Ci即为第k个心动周期的第一心音,记为S1[k]。同样,寻找使|Cj.start-(S2[1].start+k*heart_period)|最小的Cj,Cj即为第k个心动周期的第二心音,记为S2[k]。其中,heart_peroid为心动周期,i、j∈(1,n),且为整数。
具体地,在杂音包络提取模块206中,心脏杂音包络的特征包括杂音出现的位置(收缩期、舒张期),杂音的持续时间,杂音的大小,杂音的频率等。收缩期杂音常见于高血压性心脏病、冠心病、贫血性心脏病、扩张型心肌病、二尖瓣狭窄、房间隔缺损、肺动脉瓣狭窄。舒张期杂音常见于中、重度主动脉瓣关闭不全、风湿性二尖瓣狭窄。连续性杂音常见于先天性心脏病动脉导管未闭、冠状动静脉瘘、冠状动脉窦瘤破裂等。
本发明第三方面提出一种智能心脏听诊器。
如图6所示,本发明实施例的智能心脏听诊器包括:听诊头100、分析平台200、耳机300和显示屏400。
听诊头100,用于采集心音信号。分析平台200与听诊头100相连,用于分析和存储来自听诊头100的心音信号。耳机300与分析平台200相连,用来听分析平台200存储的心音信号。显示屏400与分析平台200相连,用来显示心音信号的分析结果。
具体地,本发明实施例的智能心脏听诊器的分析平台200可以是电脑、手机或者自制的处理平台。
本发明的心音信号分析的方法及装置和具有心音信号分析装置的智能心脏听诊器,能够捕捉到人体内部脏器发出的微弱但却至关重要的生物声,突破了人耳听力敏感局限。敏感性高,心率检测准确率高,还具备自动诊断的功能。不但可以给医生提供帮助,更适合普通人使用。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,本领域的普通技术人员可以理解:在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由权利要求及其等同物限定。
Claims (6)
1.一种心音信号的分析装置,其特征在于,包括:
数据采集与存储模块,用于采集和存储来自听诊头的心音信号;
滤波模块,所述滤波模块与所述数据采集与存储模块相连,用于对所述数据采集与存储模块存储的心音信号进行滤波处理,得到滤波后的心音信号;
心率检测模块,所述心率检测模块与所述滤波模块相连,用于检测心率,所述心率检测模块具体包括:
自相关值计算模块,所述自相关值计算模块用于计算自相关值,假设检测的所述心音信号的频率范围为[N1,N2],采样频率为FS,则相应的心动周期为采用分段自相关算法就是对范围内每个正整数idx按下述公式计算所述idx的自相关值corr(idx):
其中,wave为所述滤波后的心音信号,seglen是所述心动周期为的分段长度,为正整数,segnum为所述分段的数目,为正整数,i、j为正整数;
心率计算模块,所述心率计算模块与所述自相关值计算模块相连,用于检测心率,根据上述计算得到的corr(idx),搜索其最大值,记为corr_max,其对应的idx记为max_idx,同时计算所有所述corr(idx)的平均值corr_ave,计算若大于第一门限,则心率检测成功,心率为反之,心率检测失败,其中,第一门限为已知经验数值,用于判断心率检测是否成功;
心音包络提取模块,所述心音包络提取模块与所述心率检测模块相连,用于提取所述滤波后的心音信号的包络;
S1S2检测模块,所述S1S2检测模块与所述心音包络提取模块相连,用于确定第一心音S1和第二心音S2;
杂音包络提取模块,所述杂音包络提取模块与所述S1S2检测模块相连,用于提取心脏杂音的包络;
心音诊断模块,所述心音诊断模块与所述杂音包络提取模块相连,用于根据所述心脏杂音包络的特征进行诊断,获取诊断结果;
显示模块,所述显示模块与所述心率检测模块和所述心音诊断模块相连,用于输出并显示所述心率和所述诊断结果。
2.如权利要求1所述的心音信号的分析装置,其特征在于,所述心音包络提取模块中,按照以下公式计算所述心音信号的包络:
其中,N为预设平滑长度。
3.如权利要求1所述的心音信号的分析装置,其特征在于,所述S1S2检测模块具体包括:
S1和S2的区域检测模块,所述S1和S2的区域检测模块用于检测可能的包含S1和S2的区域,使用上述心音包络提取模块得到的心音包络与第二门限比较,大于第二门限并持续时间大于Min_S1S2_T的区域即为可能的包含S1和S2的区域,记为{C1,C2,…,Cn},并记录第i个区域Ci的开始时间和结束时间,分别记为Ci.start,Ci.end,其中,第二门限为已知经验数值,用于判断是否是心音信号,Min_S1S2_T为S1、S2的最小持续时间;
第一心动周期S1和S2确定模块,所述第一心动周期S1和S2确定模块与所述S1和S2的区域检测模块相连,用于从{C1,C2,…,Cn}中挑出每个区域中处于第一个心动周期的S1S2,记为{C1,C2,…,Cm},其中,m<n,在{C1,C2,…,Cm}中挑选出功率最大的两个区域作为S1和S2的候选,根据S1到S2时间间隔小于S2到S1时间间隔来确定S1和S2,并记录所述第一个心动周期的第一心音为S1[1],第二心音为S2[1],其相应的开始时间记为S1[1].start和S2[1].start;
其他心动周期S1和S2确定模块,所述其他心动周期S1和S2确定模块与所述第一心动周期S1和S2确定模块相连,用于根据S1[1]和S2[1]和{C1,C2,…,Cn}来确定其他心动周期中的S1和S2,对第k个心动周期,寻找使|Ci.start-(S1[1].start+k*heart_period)|最小的Ci,所述Ci即为所述第k个心动周期的第一心音,记为S1[k],同样,寻找使|Cj.start-(S2[1].start+k*heart_period)|最小的Cj,所述Cj即为所述第k个心动周期的第二心音,记为S2[k],其中,heart_peroid为心动周期,i、j∈(1,n),且为整数。
4.如权利要求1所述的心音信号的分析装置,其特征在于,所述心脏杂音的包络的特征包括杂音出现的位置、杂音的持续时间、杂音的大小和杂音的频率。
5.一种智能心脏听诊器,其特征在于,包括:
听诊头,所述听诊头用于采集心音信号;
分析平台,所述分析平台为权利要求1-4任一项所述的心音信号的分析装置,所述分析平台与所述听诊头相连,用于分析和存储来自所述听诊头的心音信号;
耳机,所述耳机与所述分析平台相连,用于倾听所述分析平台存储的心音信号;以及
显示屏,所述显示屏与所述分析平台相连,用来显示所述心音信号的分析结果。
6.如权利要求5所述的智能心脏听诊器,其特征在于,所述分析平台为电脑、手机或者自制的处理平台。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449558.3A CN103479383B (zh) | 2013-09-25 | 2013-09-25 | 心音信号分析的装置和具有其的智能心脏听诊器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310449558.3A CN103479383B (zh) | 2013-09-25 | 2013-09-25 | 心音信号分析的装置和具有其的智能心脏听诊器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103479383A CN103479383A (zh) | 2014-01-01 |
CN103479383B true CN103479383B (zh) | 2015-05-20 |
Family
ID=49820224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310449558.3A Active CN103479383B (zh) | 2013-09-25 | 2013-09-25 | 心音信号分析的装置和具有其的智能心脏听诊器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103479383B (zh) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103494605B (zh) * | 2013-10-09 | 2015-04-15 | 清华大学 | 心率检测方法及装置 |
CN108366729B (zh) * | 2015-10-29 | 2020-12-04 | 心脏起搏器股份公司 | 预测心力衰竭的恶化 |
CN106923812B (zh) * | 2017-03-30 | 2019-09-13 | 佛山市百步梯医疗科技有限公司 | 一种基于心音信号自相关分析的心率计算方法 |
CN107049357B (zh) * | 2017-05-25 | 2019-12-24 | 西华大学 | 一种心音信号解析方法、装置及系统 |
CN108323158A (zh) * | 2018-01-18 | 2018-07-24 | 深圳前海达闼云端智能科技有限公司 | 心音的识别方法及云系统 |
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 |
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 |
CN108814642B (zh) * | 2018-05-16 | 2021-07-13 | 合肥康聆医疗科技有限公司 | 一种电子听诊器的心音定位及心率计算方法 |
CN110123371B (zh) * | 2019-05-30 | 2021-06-29 | 四川长虹电器股份有限公司 | 第二心音部分缺失心音信号的心率计算方法 |
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 |
CN111248938A (zh) * | 2020-02-24 | 2020-06-09 | 国微集团(深圳)有限公司 | 实时心音信号诊断系统及其诊断方法 |
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 |
CN113793666B (zh) * | 2021-09-16 | 2023-10-27 | 中国人民解放军空军军医大学 | 一种复合模式神经元信息处理方法和系统 |
CN116108345B (zh) * | 2023-01-29 | 2023-08-22 | 湖南理工学院 | 一种基于参数估计的第二心音宽分裂检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4569356A (en) * | 1984-11-05 | 1986-02-11 | Nihon Kohden Corporation | Method and apparatus for detecting fetal heart rate by autocorrelation |
US5170791A (en) * | 1991-03-28 | 1992-12-15 | Hewlett-Packard Company | Method and apparatus for calculating the fetal heart rate |
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 |
CN102499717A (zh) * | 2011-11-30 | 2012-06-20 | 东北大学 | 便携式超声多普勒胎儿心率监护仪及其控制方法 |
-
2013
- 2013-09-25 CN CN201310449558.3A patent/CN103479383B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4569356A (en) * | 1984-11-05 | 1986-02-11 | Nihon Kohden Corporation | Method and apparatus for detecting fetal heart rate by autocorrelation |
US5170791A (en) * | 1991-03-28 | 1992-12-15 | Hewlett-Packard Company | Method and apparatus for calculating the fetal heart rate |
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 |
CN102499717A (zh) * | 2011-11-30 | 2012-06-20 | 东北大学 | 便携式超声多普勒胎儿心率监护仪及其控制方法 |
Non-Patent Citations (1)
Title |
---|
基于DSP的胎儿心率信号检测处理方法;杨晓峰等;《中国医疗器械杂志》;20061231;第30卷(第6期);正文第413页左栏倒数第1段-第415页右栏第2段,图1-5 * |
Also Published As
Publication number | Publication date |
---|---|
CN103479383A (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103479383B (zh) | 心音信号分析的装置和具有其的智能心脏听诊器 | |
El-Segaier et al. | Computer-based detection and analysis of heart sound and murmur | |
US9198634B2 (en) | Medical decision support system | |
US9451921B2 (en) | System and method for indicating coronary artery disease risk based on low and high frequency bands | |
US20110257548A1 (en) | Method and system for processing heart sound signals | |
US20080091115A1 (en) | Non-Invasive Measurement of Second Heart Sound Components | |
US10004473B2 (en) | Heart rate detection method and device using heart sound acquired from auscultation positions | |
Schmidt et al. | Segmentation of heart sound recordings from an electronic stethoscope by a duration dependent Hidden-Markov model | |
CN109805954A (zh) | 一种电子听诊器的摩擦音干扰自动消除方法 | |
Puspasari et al. | A new heart sound signal identification approach suitable for smart healthcare systems | |
CN110638482B (zh) | 一种肠鸣音和腹腔压力的实时监护系统 | |
CN107249466B (zh) | 用于冠状动脉疾病的风险指征 | |
Ghassemian et al. | Early detection of pediatric heart disease by automated spectral analysis of phonocardiogram | |
Behbahani | A hybrid algorithm for heart sounds segmentation based on phonocardiogram | |
Ning et al. | Automatic heart sounds detection and systolic murmur characterization using wavelet transform and AR modeling | |
Ari et al. | On a robust algorithm for heart sound segmentation | |
US7998083B2 (en) | Method and device for automatically determining heart valve damage | |
Ding et al. | A new measure of pulse rate variability and detection of atrial fibrillation based on improved time synchronous averaging | |
Kosa et al. | Experiences with fetal phonocardiographic telemonitoring and future possibilities | |
Santos et al. | Detection of the S2 split using the Hilbert and wavelet transforms | |
EP3692922A1 (en) | A system and method for identifying a location of the heart responsible for a particular sound | |
Wang et al. | Feature extraction of the VSD heart disease based on Audicor device measurement | |
Han et al. | An algorithm for removing the effect of premature beats on monitoring the degree of vascular access occlusion based on PPG waveform morphology | |
Kenari et al. | Automated spectral analysis for pediatric cardiac auscultation | |
CN117100230A (zh) | 基于多阶段震荡脉搏波特征提取的动脉硬化评估系统及方法 |
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 |