CN104720846A - 一种心脏健康评估方法 - Google Patents
一种心脏健康评估方法 Download PDFInfo
- Publication number
- CN104720846A CN104720846A CN201510059572.1A CN201510059572A CN104720846A CN 104720846 A CN104720846 A CN 104720846A CN 201510059572 A CN201510059572 A CN 201510059572A CN 104720846 A CN104720846 A CN 104720846A
- Authority
- CN
- China
- Prior art keywords
- heart
- signal
- health
- signals
- energy
- 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
Landscapes
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种心脏健康评估方法，其特征在于，包括以下步骤：第一步：采集信号，利用传感器采集心音信号；第二步：信号处理，对采集的信号进行滤波去噪，并通过分段获取多个心跳周期信号；第三步：特征提取，对周期信号进行小波包分解，并计算各个子频带信号的能量，形成特征向量；第四步：计算心脏活力评估指数，将特征向量输入基于SVDD的评估模型，输出一个反映心脏健康水平的定量指数。本发明的心脏健康评估方法不仅步骤简单，而且便于使用，本发明通过输入心音或心电信号并输出一个量化指数来反映心脏健康水平，便于人们关注和改善心脏健康状态，并在一定程度上为心脏相关疾病诊治提供依据，因此适合推广使用。
Description
技术领域
本发明涉及一种电子信息医学领域，尤其涉及一种心脏健康评估方法。
背景技术
心音(心电)信号包含丰富的信息。在医疗领域，通过对这些信号进行分析可以得到反映人体机能状态的某些指标(如心率)，进而为疾病诊断治疗提供帮助。为了反映心脏健康水平，我们希望能从心音(心电)信号中分析提取对应的量化指标。对信号进行简单地时域或频域分析并不能实现这一目标，因此这里结合模式识别技术进行处理。
实现一个模式识别系统通常包括以下几部分：信号采集，信号处理，特征提取，分类器设计。其中关键之处在于特征提取和分类器设计部分。小波包分解广泛运用于信号处理中，能够有效获取信号的时频特征，因此可以从信号中提取基于小波包分解的能量特征。支持向量数据描述(SVDD)是一种用于一类分类问题的分类器，采用该分类器可以构建心脏活力评估模型。
发明内容
本发明的目的在于提供一种心脏健康评估方法，以期望在建立一种评估模型的基础上，通过输入心音或心电信号并输出一个量化指数来反映心脏健康水平，便于人们关注和改善心脏健康状态，并在一定程度上为心脏相关疾病诊治提供依据。
本发明的目的通过下述技术方案实现：
一种心脏健康评估方法，包括以下步骤：
第一步：采集信号
利用传感器采集心音信号；
第二步：信号处理
对采集的信号进行滤波去噪，并通过分段获取多个心跳周期信号；
第三步：特征提取
对周期信号进行小波包分解，并计算各个子频带信号的能量，形成特征向量；
第四步：计算心脏活力评估指数
将特征向量输入基于SVDD的评估模型，输出一个反映心脏健康水平的定量指数。
进一步的技术方案是，第三步特征提取中对周期信号进行3层小波包分解，并计算各个子频带信号的能量，形成长度为8的特征向量；其中，能量是通过计算信号幅值的平方和得到的。
进一步的技术方案是，所述的SVDD评估模型是通过较高心脏健康水平人群的心音信号来训练得到的。
本发明较现有技术相比，具有以下优点及有益效果：
本发明的心脏健康评估方法不仅步骤简单，而且便于使用，本发明通过输入心音或心电信号并输出一个量化指数来反映心脏健康水平，便于人们关注和改善心脏健康状态，并在一定程度上为心脏相关疾病诊治提供依据。
具体实施方式
下面结合实施例对本发明作进一步地详细说明：
实施例
本发明的一种心脏健康评估方法，第一步是采集信号，本实施例中是利用传感器采集的心音(心电)信号。第二步是信号处理，本实施例中对采集的信号进行滤波去噪，并通过分段获取多个心跳周期信号。第三步是特征提取，对周期信号进行小波包分解，并计算各个子频带信号的能量，形成特征向量。本实施例以小波包能量特征为例，对周期信号进行3层小波包分解，并计算各个子频带信号的能量，形成长度为8的特征向量。这里的能量是通过计算信号幅值的平方和得到的。
第四步，计算心脏活力评估指数。具体的，将特征向量输入基于SVDD的评估模型，输出一个反映心脏健康水平的定量指数。需要说明的是，该模型是通过较高心脏健康水平人群(如运动员群体)的心音信号来训练得到的，训练样本数量不宜过小。从解析几何的角度看，该模型的支持向量构成了一个超球体。如果任意输入特征向量位于超球体内，则可认为其对应的心脏活力水平与运动员群体一致，如果位于超球体外且距离超球体越远，则可认为其对应的心脏活力水平与运动员群体的差距越大。因此，输入特征向量与超球体中心的距离(D),可以有效反映心脏活力水平。令超球体半径为R，则称D/R为心脏活力评估指数。试验结果表明，对于运动员群体，D/R小于等于1时；对于普通健康人群，D/R位于1到3.6；对于心脏存在疾病的人群，D/R大于等于3.6。因此，该指数能够有效反映心脏健康水平。
本发明给出了一种构造心脏活力指数的方法。利用该方法可以方便有效获取心脏活力指数。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (3)
1.一种心脏健康评估方法，其特征在于，包括以下步骤：
第一步：采集信号
利用传感器采集心音信号；
第二步：信号处理
对采集的信号进行滤波去噪，并通过分段获取多个心跳周期信号；
第三步：特征提取
对周期信号进行小波包分解，并计算各个子频带信号的能量，形成特征向量；
第四步：计算心脏活力评估指数
将特征向量输入基于SVDD的评估模型，输出一个反映心脏健康水平的定量指数。
2.按照权利要求1所述的一种心脏健康评估方法，其特征在于：第三步特征提取中对周期信号进行3层小波包分解，并计算各个子频带信号的能量，形成长度为8的特征向量；其中，能量是通过计算信号幅值的平方和得到的。
3.按照权利要求1所述的一种心脏健康评估方法，其特征在于：所述的SVDD评估模型是通过较高心脏健康水平人群的心音信号来训练得到的。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510059572.1A CN104720846A (zh) | 2015-02-04 | 2015-02-04 | 一种心脏健康评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510059572.1A CN104720846A (zh) | 2015-02-04 | 2015-02-04 | 一种心脏健康评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104720846A true CN104720846A (zh) | 2015-06-24 |
Family
ID=53445679
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510059572.1A Pending CN104720846A (zh) | 2015-02-04 | 2015-02-04 | 一种心脏健康评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104720846A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017084546A1 (zh) * | 2015-11-17 | 2017-05-26 | 安徽华米信息科技有限公司 | 基于可穿戴设备的用户关注信息确定方法、装置和可穿戴设备 |
| CN107822597A (zh) * | 2017-10-17 | 2018-03-23 | 四川长虹电器股份有限公司 | 基于智能平台心脏活力指数计算及图像化显示系统与方法 |
| CN109567856A (zh) * | 2018-11-23 | 2019-04-05 | 四川长虹电器股份有限公司 | 一种基于智能平台的听诊位置智能提醒方法 |
| CN111508077A (zh) * | 2020-04-29 | 2020-08-07 | 中国人民解放军总医院 | 双三角模型智能评估心脏功能的方法、装置、设备及介质 |
-
2015
- 2015-02-04 CN CN201510059572.1A patent/CN104720846A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017084546A1 (zh) * | 2015-11-17 | 2017-05-26 | 安徽华米信息科技有限公司 | 基于可穿戴设备的用户关注信息确定方法、装置和可穿戴设备 |
| US10163528B2 (en) | 2015-11-17 | 2018-12-25 | Anhui Huami Information Technology Co., Ltd. | Determining user-interested information based on wearable device |
| CN107822597A (zh) * | 2017-10-17 | 2018-03-23 | 四川长虹电器股份有限公司 | 基于智能平台心脏活力指数计算及图像化显示系统与方法 |
| CN109567856A (zh) * | 2018-11-23 | 2019-04-05 | 四川长虹电器股份有限公司 | 一种基于智能平台的听诊位置智能提醒方法 |
| CN111508077A (zh) * | 2020-04-29 | 2020-08-07 | 中国人民解放军总医院 | 双三角模型智能评估心脏功能的方法、装置、设备及介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Heart sound classification based on scaled spectrogram and partial least squares regression | |
| CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
| CN103251388B (zh) | 基于智能手机平台的打鼾监测方法和监测及防治系统 | |
| CN109171707A (zh) | 一种智能心电图分类方法 | |
| Tang et al. | Classification of normal/abnormal heart sound recordings based on multi-domain features and back propagation neural network | |
| CN102512157B (zh) | 基于模型的动态心电图t波交替定量分析方法 | |
| CN108024730A (zh) | 使用数学分析和机器学习来诊断疾病的方法和系统 | |
| CN105559754B (zh) | 一种基于心率与呼吸信号的睡眠呼吸障碍检测方法和装置 | |
| CN204931634U (zh) | 基于生理信息的抑郁症评估系统 | |
| Doulah et al. | Neuromuscular disease classification based on mel frequency cepstrum of motor unit action potential | |
| CN105147252A (zh) | 心脏疾病识别及评估方法 | |
| CN104720846A (zh) | 一种心脏健康评估方法 | |
| Milani et al. | Abnormal heart sound classification using phonocardiography signals | |
| CN105448291A (zh) | 基于语音的帕金森症检测方法及检测系统 | |
| CN110037668A (zh) | 脉搏信号时空域结合模型判断年龄、健康状态及恶性心律失常识别的系统 | |
| CN111759345A (zh) | 基于卷积神经网络的心脏瓣膜异常分析方法、系统和装置 | |
| CN109106345A (zh) | 脉搏信号特征检测方法和装置 | |
| Chin et al. | Bayesian real-time QRS complex detector for healthcare system | |
| CN115363586A (zh) | 一种基于脉搏波信号的心理压力等级评估系统及方法 | |
| Casaseca-de-la-Higuera et al. | Effect of downsampling and compressive sensing on audio-based continuous cough monitoring | |
| CN112336369A (zh) | 一种多通道心音信号的冠心病风险指数评估系统 | |
| CN104434143B (zh) | 一种恐惧情感的实时识别方法 | |
| Liu et al. | Diagnosis of AF based on time and frequency features by using a hierarchical classifier | |
| CN103099642A (zh) | 一种超声血流信号质量实时分析方法 | |
| CN114098768B (zh) | 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150624 |
|
| RJ01 | Rejection of invention patent application after publication |