CN105212960B - 心音信号质量评估方法 - Google Patents
心音信号质量评估方法 Download PDFInfo
- Publication number
- CN105212960B CN105212960B CN201510509414.1A CN201510509414A CN105212960B CN 105212960 B CN105212960 B CN 105212960B CN 201510509414 A CN201510509414 A CN 201510509414A CN 105212960 B CN105212960 B CN 105212960B
- Authority
- CN
- China
- Prior art keywords
- layer
- coefficients
- mrow
- layers
- cardiechema signals
- 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
- Compression, Expansion, Code Conversion, And Decoders (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及采集信号的质量评估。本发明提供一种心音信号质量评估方法,首先,系统采集心音信号并截取用于评估的信号段;其次,系统对信号段进行基于SYM6小波函数的五层小波分解,计算得出第五层近似系数和五层细节系数;然后,系统对第五层近似系数和五层细节系数进行软阈值过滤;再然后,系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算,得出各层系数的能量;最后,系统根据各层系数的能力计算信号质量因子。系统还根据信号质量因子进行心音信号等级分类,等级越高心音质量越好,方便用户只根据等级号得知心音信号的质量,从而提醒使用者立刻调整姿势、采集位置和采集环境来获取更好的心音信号。适用于心音信号质量的评估。
Description
技术领域
本发明涉及采集信号的质量评估,特别涉及心音信号质量的评估。
背景技术
心音是指由心肌收缩、心脏瓣膜关闭和血液撞击心室壁、大动脉壁等引起的振动所产生的声音。它可在胸壁一定部位用听诊器听取。而现在也可以用电子听诊器听取,将心音转化为数字音频信号从而保存起来。
心音信号作为一种声音信号,非常容易受到干扰,其干扰来源主要有:1.外界的不稳定噪声干扰;2.体内的各种生物音干扰,例如肠音、呼吸音;3.因使用者未稳定放置电子听诊器而产生的摩擦音。而且,除了噪声干扰会导致心音信号的信噪比降低以外,由于心音存在不同的听诊区,未放置在听诊区会导致采集的心音信号的强度较小,难以从背景音中分离出来。
因此,对心音信号进行质量分级,用来反映采集到的心音信号的信噪比,按照级别的高低来分级反映信号质量的优劣程度,包括受到干扰的程度和听诊器的使用状况等一系列信息。从而让使用者了解到心音的采集情况,能够进行相应地调整,这是十分重要的。而目前现有技术中并没有一项有效的技术能够实现对心音信号进行质量分级。而实时地显示心音信号的质量等级,能够帮助使用者立刻调整姿势、采集位置和采集环境。不仅能提高采集到的心音信号的信噪比,还能够优化用户的体验,使采集过程不再冗长和枯燥。可删减信号质量等级较低的心音信号段,降低后期信号处理的难度,节约储存空间。因此,研发一种有效的心音信号质量评估方法是十分重要并且有价值的。
发明内容
本发明所要解决的技术问题,就是提供一种心音信号质量评估方法以实现实时计算心音信号的质量等级提示给用户,帮助使用者立刻调整姿势、采集位置和采集环境从而获得更好地心音质量。
本发明解决所述技术问题,采用的技术方案是,心音信号质量评估方法,包括以下步骤:
步骤1、系统采集心音信号并截取用于评估的信号段;
步骤2、系统对信号段进行基于SYM6小波函数的五层小波分解,计算得出第五层近似系数和五层细节系数;
步骤3、系统对第五层近似系数和五层细节系数进行软阈值过滤;
步骤4、系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算,得出各层系数的能量;
步骤5、系统根据各层系数的能力计算信号质量因子,所述计算公式为:
其中,F为信号质量因子,CD5为第五层近似系数,CA1为第一层细节系数,CA2为第二层细节系数,CA3为第三层细节系数,CA4为第四层细节系数,CA5为第五层细节系数,ECA1第一层细节系数的能量,ECA2第二层细节系数的能量,ECA3第三层细节系数的能量,ECA4第四层细节系数的能量,ECA5第五层细节系数的能量,ECD5第五层近似系数的能量。
具体的,所述步骤1中,系统截取的用于评估的新号段的时间长度计为T,0.5s≦T≦1.5s。
具体的,所述步骤3中,系统对第五层近似系数和五层细节系数进行软阈值过滤包括以下步骤:
步骤31、系统分别将第五层近似系数和五层细节系数进行绝对值计算后按从大到小进行排列,并分别提取前10%的值作为各层系数的计算值;
步骤32、系统将各层系数的计算值的10%为各层的软阈值;
步骤33、系统将各层系数中小于各层的软阈值都设置为0,其他值保持不变得到过滤后的各层系数。
具体的,所述步骤4中,系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算的计算公式为:
E=Σx2;
其中,E表示各层系数能量,x为过滤后的各层系数中的各个数值。
具体的,还包括系统根据信号质量因子F进行质量分级:若0<F≤0.3,质量等级为5级;若0.3<F≤0.5,质量等级为4级;若0.5<F≤0.7,质量等级为3级;若0.7<F≤0.8,质量等级为2级;若0.8<F,质量等级为0级,等级越高心音质量越好。
本发明的有益效果是:系统采集心音信号并截取用于评估的信号段进行五层小波分解,计算各层系数后对其进行软阈值过滤,并对过滤后的各层系数进行能量计算后,根据各层系数能量计算信号质量因子,用以提醒用户采集到的心音质量;
为了进一步的方便用户实时得知采集到的心音质量,系统还根据信号质量因子进行心音信号等级分类,等级越高心音质量越好,方便用户只根据等级号得知心音信号的质量,从而提醒使用者立刻调整姿势、采集位置和采集环境来获取更好的心音信号。
以下结合实施例的具体实施方式,对本发明的上述内容再作进一步的详细说明。但不应将此理解为本发明上述主题的范围仅限于以下的实例。在不脱离本发明上述技术思想情况下,根据本领域普通技术知识和惯用手段做出的各种替换或变更,均应包括在本发明的范围内。
具体实施方式
下面结合实施例详细描述本发明的技术方案:
本发明针对现有技术中心音信号非常容易受到干扰,用户无法实时得知所采集到的心音信号是否合格的问题,提供一种心音信号质量评估方法,首先,系统采集心音信号并截取用于评估的信号段;其次,系统对信号段进行基于SYM6小波函数的五层小波分解,计算得出第五层近似系数和五层细节系数;然后,系统对第五层近似系数和五层细节系数进行软阈值过滤;再然后,系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算,得出各层系数的能量;最后,系统根据各层系数的能力计算信号质量因子,所述计算公式为:其中,F为信号质量因子、CD5为第五层近似系数、CA1为第一层细节系数、CA2为第二层细节系数、CA3为第三层细节系数、CA4为第四层细节系数、CA5为第五层细节系数、ECA1第一层细节系数的能量、ECA2第二层细节系数的能量、ECA3第三层细节系数的能量、ECA4第四层细节系数的能量、ECA5第五层细节系数的能量、ECD5第五层近似系数的能量。系统采集心音信号并截取用于评估的信号段进行五层小波分解,计算各层系数后对其进行软阈值过滤,并对过滤后的各层系数进行能量计算后,根据各层系数能量计算信号质量因子,用以提醒用户采集到的心音质量;为了进一步的方便用户得知采集到的心音质量,系统还根据信号质量因子进行心音信号等级分类,等级越高心音质量越好,方便用户只根据等级号得知心音信号的质量,从而提醒使用者立刻调整姿势、采集位置和采集环境来获取更好的心音信号。
实施例
本例旨在提出一种心音信号质量的实时展示方式:在使用电子听诊器采集心音信号的同时,向使用者实时地展示其信号质量等级。从而及时向使用者反馈采集状况,有利于使用者对姿势、听诊位置和使用环境进行调整。最终缩短采集时间,提高采集效果,减少采集频率,从而大幅提升心音采集过程的用户体验。
具体的,心音信号质量评估方法,包括以下步骤:
步骤1、系统采集心音信号并截取用于评估的信号段;1.截取用于评估的信号段x:对于当前时刻t,截取t1时刻至t时刻的心音信号x。T为x时间长度,T=t–t1。由于需要保证实时性,T一般不超过1.5秒,不小于0.5s。
步骤2、系统对信号段进行基于SYM6小波函数的五层小波分解,计算得出第五层近似系数和五层细节系数。
步骤3、系统对第五层近似系数和五层细节系数进行软阈值过滤;具体的,首先,系统分别将第五层近似系数和五层细节系数进行绝对值计算后按从大到小进行排列,并分别提取前10%的值作为各层系数的计算值;其次,系统将各层系数的计算值的10%为各层的软阈值;最后,系统将各层系数中小于各层的软阈值都设置为0,其他值保持不变得到过滤后的各层系数;CD5’、CA1’、CA2’、CA3’、CA4’和CA5’。
步骤4、系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算,得出各层系数的能量;能量计算公式为:E=Σx2。其中,E表示各层系数能量,x为过滤后的各层系数中的各个数值。例如第五层近似系数的能量ECD5为过滤后的系数CD5’中每一个数值的平方和。
步骤5、系统根据各层系数的能力计算信号质量因子,所述计算公式为:
其中,F为信号质量因子、CD5为第五层近似系数、CA1为第一层细节系数、CA2为第二层细节系数、CA3为第三层细节系数、CA4为第四层细节系数、CA5为第五层细节系数、ECA1第一层细节系数的能量、ECA2第二层细节系数的能量、ECA3第三层细节系数的能量、ECA4第四层细节系数的能量、ECA5第五层细节系数的能量、ECD5第五层近似系数的能量。
优选的,本发明给出了“心音信号质量等级”的概念及其一种分级方式。心音信号质量等级指:使用若干个级别,分别代表心音信号的信号质量的好坏程度。
若0<F≤0.3,质量等级为5级;若0.3<F≤0.5,质量等级为4级;若0.5<F≤0.7,质量等级为3级;若0.7<F≤0.8,质量等级为2级;若0.8<F,质量等级为0级,等级越高心音质量越好。
最后,系统通过显示装置,向使用者展示当前时刻t的信号质量等级。级别5代表信号质量最好,采集状况非常好;级别0代表信号质量最差,采集状况非常差。从级别5到级别0的分级,分别代表信号质量从好逐步到差的不同程度,采集状况从好逐步到差的不同程度。
使用者根据质量等级实时得知采集到的心音信号的质量好坏程度,从而提醒使用者立刻调整姿势、采集位置和采集环境来获取更好的心音信号。
Claims (5)
1.心音信号质量评估方法,其特征在于,包括以下步骤:
步骤1、系统采集心音信号并截取用于评估的信号段;
步骤2、系统对信号段进行基于SYM6小波函数的五层小波分解,计算得出第五层近似系数和五层细节系数;
步骤3、系统对第五层近似系数和五层细节系数进行软阈值过滤;
步骤4、系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算,得出各层系数的能量;
步骤5、系统根据各层系数的能量计算信号质量因子,所述信号质量因子的计算公式为:
<mrow>
<mi>F</mi>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>C</mi>
<mi>A</mi>
<mn>1</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>C</mi>
<mi>A</mi>
<mn>2</mn>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>C</mi>
<mi>A</mi>
<mn>3</mn>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>E</mi>
<mrow>
<mi>C</mi>
<mi>D</mi>
<mn>5</mn>
</mrow>
</msub>
<mo>+</mo>
<mn>30</mn>
<msub>
<mi>%E</mi>
<mrow>
<mi>C</mi>
<mi>A</mi>
<mn>4</mn>
</mrow>
</msub>
<mo>+</mo>
<mn>70</mn>
<msub>
<mi>%E</mi>
<mrow>
<mi>C</mi>
<mi>A</mi>
<mn>5</mn>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中,F为信号质量因子,CD5为第五层近似系数,CA1为第一层细节系数,CA2为第二层细节系数,CA3为第三层细节系数,CA4为第四层细节系数,CA5为第五层细节系数,ECA1第一层细节系数的能量,ECA2第二层细节系数的能量,ECA3第三层细节系数的能量,ECA4第四层细节系数的能量,ECA5第五层细节系数的能量,ECD5第五层近似系数的能量。
2.根据权利要求1所述的心音信号质量评估方法,其特征在于,所述步骤1中,系统截取的用于评估的信号段的时间长度计为T,0.5s≦T≦1.5s。
3.根据权利要求1所述的心音信号质量评估方法,其特征在于,所述步骤3中,系统对第五层近似系数和五层细节系数进行软阈值过滤包括以下步骤:
步骤31、系统分别将第五层近似系数和五层细节系数进行绝对值计算后按从大到小进行排列,并分别提取前10%的值作为各层系数的计算值;
步骤32、系统将各层系数的计算值的10%作为各层的软阈值;
步骤33、系统将各层系数中小于各层的软阈值的对应层系数都设置为0,其他层系数保持不变得到过滤后的各层系数。
4.根据权利要求1所述的心音信号质量评估方法,其特征在于,所述步骤4中,系统对软阈值过滤后的第五层近似系数和五层细节系数进行能量计算的计算公式为:
E=Σx2;
其中,E表示各层系数能量,x为过滤后的各层系数中的各个数值。
5.根据权利要求1所述的心音信号质量评估方法,其特征在于,还包括系统根据信号质量因子F进行质量分级:若0<F≤0.3,质量等级为5级;若0.3<F≤0.5,质量等级为4级;若0.5<F≤0.7,质量等级为3级;若0.7<F≤0.8,质量等级为2级;若0.8<F,质量等级为0级,等级越高心音质量越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510509414.1A CN105212960B (zh) | 2015-08-19 | 2015-08-19 | 心音信号质量评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510509414.1A CN105212960B (zh) | 2015-08-19 | 2015-08-19 | 心音信号质量评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105212960A CN105212960A (zh) | 2016-01-06 |
CN105212960B true CN105212960B (zh) | 2018-03-30 |
Family
ID=54982504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510509414.1A Active CN105212960B (zh) | 2015-08-19 | 2015-08-19 | 心音信号质量评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105212960B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9955939B2 (en) * | 2016-02-02 | 2018-05-01 | Qualcomm Incorporated | Stethoscope system including a sensor array |
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 |
CN108742697B (zh) * | 2018-05-29 | 2022-06-03 | 深圳市太空科技南方研究院 | 心音信号分类方法及终端设备 |
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 |
CN109646044B (zh) * | 2019-02-19 | 2019-10-18 | 山东大学 | 一种心音信号质量评价方法及装置 |
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4848524B2 (ja) * | 2005-10-21 | 2011-12-28 | 国立大学法人山口大学 | 聴診心音信号の処理方法及び聴診装置 |
CN104473660A (zh) * | 2014-12-29 | 2015-04-01 | 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 |
CN104490417A (zh) * | 2015-01-22 | 2015-04-08 | 苏州本草芙源医疗设备有限公司 | 数字听诊器与心音信号的处理方法 |
WO2015065674A1 (en) * | 2013-11-04 | 2015-05-07 | Cardiac Pacemakers, Inc. | Heart failure detection and risk stratification system |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102271589A (zh) * | 2008-12-30 | 2011-12-07 | 皇家飞利浦电子股份有限公司 | 用于处理心音信号的方法和系统 |
-
2015
- 2015-08-19 CN CN201510509414.1A patent/CN105212960B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4848524B2 (ja) * | 2005-10-21 | 2011-12-28 | 国立大学法人山口大学 | 聴診心音信号の処理方法及び聴診装置 |
WO2015065674A1 (en) * | 2013-11-04 | 2015-05-07 | Cardiac Pacemakers, Inc. | Heart failure detection and risk stratification system |
CN104473660A (zh) * | 2014-12-29 | 2015-04-01 | 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 |
CN104490417A (zh) * | 2015-01-22 | 2015-04-08 | 苏州本草芙源医疗设备有限公司 | 数字听诊器与心音信号的处理方法 |
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 |
Non-Patent Citations (1)
Title |
---|
基于循环平稳特性的心音信号噪声评价指标;李婷等;《基于循环平稳特性的心音信号噪声评价指标》;20121231;第48卷(第24期);第10-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN105212960A (zh) | 2016-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105212960B (zh) | 心音信号质量评估方法 | |
CN104523266B (zh) | 一种心电信号自动分类方法 | |
Matos et al. | An automated system for 24-h monitoring of cough frequency: the leicester cough monitor | |
Zañartu et al. | Subglottal impedance-based inverse filtering of voiced sounds using neck surface acceleration | |
CN103093759B (zh) | 一种基于移动终端的嗓音检测评估装置及方法 | |
CN107714025A (zh) | 分类ecg信号 | |
CN109545239B (zh) | 用于采集体音信号的双麦克风自适应滤波算法及应用 | |
CN101896122B (zh) | 用于在听诊器信号中检测呼吸周期的方法和设备 | |
CN102973277A (zh) | 一种频率跟随响应信号测试系统 | |
Hadjileontiadis | Wavelet-based enhancement of lung and bowel sounds using fractal dimension thresholding-Part II: Application results | |
CN108042145A (zh) | 情绪状态识别方法和系统、情绪状态识别设备 | |
CN103190911B (zh) | 基于鼾声共振峰和功率比轨迹的上气道变化监测方法 | |
Lopez et al. | Acoustic, aerodynamic, and perceptual analyses of the voice of cochlear-implanted children | |
CN105662454B (zh) | 一种罗音检测的方法和装置 | |
Knocikova et al. | Wavelet analysis of voluntary cough sound in patients with respiratory diseases | |
CN103120592A (zh) | 一种心音电子听诊与智能健康分析系统 | |
CN106539595A (zh) | 一种提升肠鸣音区分度的主动多点肠蠕动监测装置 | |
CN102274014A (zh) | 一种基于小波去噪的柯氏音血压测量与信号分析方法 | |
Williams et al. | Analysis of heart sounds | |
US9437116B2 (en) | System for subglottal pressure measurement and display during speech | |
CN113974607B (zh) | 一种基于脉冲神经网络的睡眠鼾声检测系统 | |
Iyer et al. | Autoregressive modeling of lung sounds: characterization of source and transmission | |
CN110037733B (zh) | 一种便携式程控无线体音监测系统 | |
CN110558974B (zh) | 一种基于极值能量分解法的心电图信号分析方法 | |
CN215349053U (zh) | 一种先天性心脏病智能筛查机器人 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |