CN108814642B - 一种电子听诊器的心音定位及心率计算方法 - Google Patents
一种电子听诊器的心音定位及心率计算方法 Download PDFInfo
- Publication number
- CN108814642B CN108814642B CN201810466277.1A CN201810466277A CN108814642B CN 108814642 B CN108814642 B CN 108814642B CN 201810466277 A CN201810466277 A CN 201810466277A CN 108814642 B CN108814642 B CN 108814642B
- Authority
- CN
- China
- Prior art keywords
- heart sound
- heart
- calculating
- component
- data
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
Landscapes
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Abstract
本发明公开了一种电子听诊器的心音定位及心率计算方法,包括以下步骤:步骤一、采集原始数据,利用香农熵对于每段数据进行处理,定位出心音的位置;步骤二、对定位出的心音进行归类,记录各个成分的起始位置、结束位置、中间位置等情况;步骤三、定位出的成分进行分类,1为S1,2为S2,3为S1和S2只定位到一个的情况,0为排除是心音成分;步骤四、计算出定位出的S1和S2的功率,当分类情况是3时,利用功率来判定当前定位出的是S1还是S2;步骤五、计算出S1和S2的组数,利用组数来判定S1与S2的间距,利用计算的间距来补充情况3中缺失的心音成分;步骤六、根据修改过的定位结果来计算心率。本发明提供了更为准确的心音定位和心率计算方法。
Description
技术领域
本发明涉及心音信号处理领域,具体是一种电子听诊器的心音定位及心率计算方法。
背景技术
心音信号是一种复杂的声音信号,不同的人、不同的时间都有可能出现不同的心音信号,对于研究更加困难。在九十年代初,我国开始对心音信号进行研究,心音信号包含了能反应正常心音或病理心音的丰富信息。正常的心音包含第一心音(S1)、第二心音(S2)、第三心音(S3)和第四心音(S4),其中S1、S2是可听到的部分,S3和S4强度很弱,几乎听不到。为了能够更好的定位出心音位置,需要不断探寻新的方法,来满足医院和病人的需要,这具有极大社会价值和经济价值。
现有技术CN107095665A提供了一种基于心电信号的心率计算方法,涉及医学电子信息领域。本发明提供的方法包括以下步骤:第一步:获取心电信号的差分绝对值信号;第二步:搜索峰值点;第三步:定位R波;第四步:计算心率。该方法从采集的一段连续心电信号序列中提取特征点,R波顶点,并计算出相邻特征点间的时间间隔,再计算这些时间间隔的均值,利用该均值即可换算得到一定时间长度内的平均心率。该技术优点在于采用均值算法及提取电信号特征点进行时间间隔均值的计算,使得心率数据具有一定的可信度。但是该技术忽略了心电信号中噪音信号的影响,噪音信号在心电信号中有可能占据峰值点使得到的时间间隔存在误差导致心率计算出现误差。该技术在处理噪声比较大的数据时,不能很好的定位到心音成分,对于个别心音成分容易遗漏,不能定位出完整的心音成分,存在很大的局限性。
又有现有技术CN106137245A提供了一种参考多种心电测量仪信号分析的听诊方法,所述方法包括以下步骤:使用电子听诊器、心电监测仪、脉搏传感器、心跳检测仪、温度计采集病人心音数据、心电数据、脉搏信号、心率信号、温度;将接收到的心电数据、脉搏信号、心率信号、温度信号作为参考信号,使用数据分析模块对心音数据进行分析;将分析后的信息和结果以数字信号转换成声音信号、视频信号或图像信号。该技术优点在于通过选用心电信号、心跳信号、脉搏信号和温度作为心音信号分析的数据源,综合分析的心音数据具有一定的准确度。但是该技术需要同一时间同一环境下对相关数据进行采集,结构复杂,数据源获取过于复杂。
发明内容
本发明的目的在于提供一种电子听诊器的心音定位及心率计算方法,以解决上述背景技术中提出的传统的心音定位方法在外界环境影响或者心肺音之间的影响容易出现个别心音定位不出的情况以及在不该出现心音成分的位置错误定位了心音成分的问题。
为实现上述目的,本发明提供如下技术方案:
一种电子听诊器的心音定位及心率计算方法,包括以下步骤:
步骤一、通过仪器采集心音的原始数据,利用香农熵对于每段数据进行处理,定位出心音的位置;
步骤二、对定位出的心音进行归类,记录各个成分的起始位置、结束位置、中间位置情况;
步骤三、定位出的成分进行分类,分类结果1为第一心音成分S1,2为第二心音成分S2,3为该成分属于S1和S2其中之一但不确定的情况,0为排除是心音成分;
步骤四、计算出定位出的S1和S2的功率,当分类情况是3时,利用功率来判定当前定位出的是S1还是S2;
步骤五、计算出S1和S2的组数,利用组数来判定S1与S2的间距,利用计算的间距来补充情况3中缺失的心音成分;
步骤六、根据修改过的定位结果来计算心率。
优选的,所述步骤一定位心音位置包括对3秒长度的数据进行分段处理,每段20毫秒,计算每个20毫秒数据段上的香农熵,得出的结果和门限进行比较,该门限利用该段数据的均值和标准差得出;香农熵计算公式为概率计算公式为:高斯核函数计算公式为:高斯核带宽计算公式为:N为该数据段的总点数,当计算出的香农熵大于门限时,该段定为心音成分,标为1,否则标为0,把所有标出的0、1全部放入空矩阵xloc中,该矩阵与原始数据相对应。
优选的,,所述步骤二标出各阶段位置包括当xloc初始出现1时,记录下来心跳数为1,若下一个心音成分的起始位置和当前心音成分的结束位置之间的差距小于0.33秒时,则心跳数不变,否则心跳数加一;依次遍历后续的所有心音成分,重复前述心跳计数过程,从而计算所定位到的心跳总数。
优选的,所述计算心跳总数还包括当心跳数出现两个数字相同时表明这两个心音成分为一个心跳周期,前一个心音成分为S1后一个心音成分为S2。
优选的,所述步骤四计算各成分功率包括以下公式:
优选的,所述步骤五补充情况3缺失的心音成分包括计算该标出的心音成分功率并与S1和S2的平均功率做对比用于判断该成分属于S1还是S2,如果为S1,表明该周期缺失S2,则根据得到的平均间距补充S2,如果为S2,表明该周期缺失S1,则根据得到的平均间距补充S1。
优选的,所述步骤六中修改过的定位结果为第五步得出的结果,根据该方法所处理的总时长3秒数据中所有的S1来计算该段数据的心率。
与现有技术相比,本发明的有益效果是:
本发明通过计算缺失部分功率S与1和S2的平均功率进行比较对确实的心音成分进行补充,完整的定位了心音成分,完整的心音成分实现了心率计算准确度的提高;本发明通过均值和方差得到门限,将门限与香农熵进行比较消除不是心音的成分,实现了外界噪声影响的消除,可以更为准确的心率计算。
附图说明
图1为本发明一种电子听诊器的心音定位及心率计算方法的流程图;
图2为本发明一种电子听诊器的心音定位及心率计算方法实施例的原始数据示意图;
图3为本发明一种电子听诊器的心音定位及心率计算方法实施例的初步定为结果示意图;
图4为本发明一种电子听诊器的心音定位及心率计算方法实施例的修正后的结果示意图;
图5为本发明一种电子听诊器的心音定位及心率计算方法实施例中3秒情况下对定位结果进行归类的数据表格。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
本发明的实施例请参阅图1-5
如图1所示,一种电子听诊器的心音定位及心率计算方法包括以下步骤:
第一步、如图2所示,通过仪器采集正常情况下的心音信号,通过滤波器对该信号进行预降噪,再对处理后的心音信号做定位。
第二步、对采集到的总数据进行分段处理,可避免数据之间的影响,采样频率为8kHz,对每段数据归一化。
第三步、对分完段之后的数据进行处理,对该段中20毫秒为一小段进行处理,计算该段的香农熵,然后和阈值进行比较,当香农熵大于阈值时,判断为心音成分,反之为肺音成分。香农熵用于表示信息不确定性的多少,心音成分的香农熵高于肺音成分的香农熵,因此可以用以区分;阈值的大小用该段数据的均值与均方差表示。
阈值:threshold=α*(mu+sigma),(α用于调节阈值的大小,mu:均值;sigma:均方差)
当香农熵大于阈值时,把该段数据定为心音成分,用1表示;
当香农熵小于阈值时,把该段数据定为肺音成分,用0表示;
通过香农熵与阈值的比较,可以把该段数据中的心音成分比较准确的定位出来,心音S1与S2都通过高度为1的框定位出来,其他地方皆为零,获得如图3所示的初步定为结果。
第四步、如图4和图5所示,对表示出的心音成分进行归类计算。图5所示的表格中,第1列:定位出心音成分的每个初始位置;第2列:定位出心音成分的每个结束位置;第3列:定位出心音成分的每个中间位置;第4列:心跳数;第5列:对S1和S2的标注;第6列:定位出心音成分的功率。
单独设置一个零矩阵,用于存放框出来的心音成分的起始位置、结束位置、中间位置等数据,并且计算出定位出的心音成分低频成分与高频成分的功率比。
第五步、S1和S2为一个完整周期的心音成分,当分段定位时,由于肺音、杂音等其他影响,未必能准确定位出完整的心音信号,这时就需要补充未定位到的心音信号。
pf1=abs(Xf1)'*abs(Xf1)
pf2=abs(Xf2)'*abs(Xf2)
p=pf1/pf2
利用上述公式可计算出定位到的心音成分的功率。
一个完整的心音信号包括S1、S2,计算该段数据中所有S1、S2的平均功率以及S1与S2之间的平均间距d。
不完整的心音信号标注为3,计算该情况下的心音成分的功率。
把标注为情况3下的心音成分的功率和S1以及S2的平均功率做对比,判断3情况下的定位出的心音成分,若该情况下定位出的为S1,则需要向后间距为d补充S2;若该情况下定位出的为S2,则需要向前间距为d补充S1;
第六步、对于修正后的结果进行重新归类,并且修正心音信号的范围,S1的范围宽度为0.14秒,S2的范围宽度为0.11秒。
利用定位后的结果计算心率,修正之后,算出该段3秒数据中所有的完整的心音周期个数,由此可推断出此人的心率。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神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,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种电子听诊器的心音定位及心率计算方法,其特征在于,包括以下步骤:
步骤一、通过仪器采集心音的原始数据,利用香农熵对于每段数据进行处理,定位出心音的位置;
步骤二、对定位出的心音进行归类,记录各个成分的起始位置、结束位置、中间位置情况;
步骤三、定位出的成分进行分类,分类结果1为第一心音成分S1,2为第二心音成分S2,3为该成分属于S1和S2其中之一但不确定的情况,0为排除是心音成分;
步骤四、计算出定位出的S1和S2的功率,当分类情况是3时,利用功率来判定当前定位出的是S1还是S2;
步骤五、计算出S1和S2的组数,利用组数来判定S1与S2的间距,利用计算的间距来补充情况3中缺失的心音成分;
步骤六、根据修改过的定位结果来计算心率;
2.根据权利要求1所述的一种电子听诊器的心音定位及心率计算方法,其特征在于,所述步骤二标出各阶段位置包括当xloc初始出现1时,记录下来心跳数为1,若下一个心音成分的起始位置和当前心音成分的结束位置之间的差距小于0.33秒时,则心跳数不变,否则心跳数加一;依次遍历后续的所有心音成分,重复前述心跳计数过程,从而计算所定位到的心跳总数。
3.根据权利要求2所述的一种电子听诊器的心音定位及心率计算方法,其特征在于,所述计算心跳总数还包括当心跳数出现两个数字相同时表明这两个心音成分为一个心跳周期,前一个心音成分为S1后一个心音成分为S2。
5.根据权利要求1所述的一种电子听诊器的心音定位及心率计算方法,其特征在于,所述步骤五补充情况3缺失的心音成分包括计算该标出的心音成分功率并与S1和S2的平均功率做对比用于判断该成分属于S1还是S2,如果为S1,表明该周期缺失S2,则根据得到的平均间距补充S2,如果为S2,表明该周期缺失S1,则根据得到的平均间距补充S1。
6.根据权利要求1所述的一种电子听诊器的心音定位及心率计算方法,其特征在于,所述步骤六中修改过的定位结果为第五步得出的结果,根据该方法所处理的总时长3秒数据中所有的S1来计算该段数据的心率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810466277.1A CN108814642B (zh) | 2018-05-16 | 2018-05-16 | 一种电子听诊器的心音定位及心率计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810466277.1A CN108814642B (zh) | 2018-05-16 | 2018-05-16 | 一种电子听诊器的心音定位及心率计算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108814642A CN108814642A (zh) | 2018-11-16 |
CN108814642B true CN108814642B (zh) | 2021-07-13 |
Family
ID=64148055
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810466277.1A Active CN108814642B (zh) | 2018-05-16 | 2018-05-16 | 一种电子听诊器的心音定位及心率计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108814642B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109497992A (zh) * | 2019-01-04 | 2019-03-22 | 济南汇医融工科技有限公司 | 基于机器学习方法的冠心病智能筛查装置 |
CN110236589B (zh) * | 2019-06-03 | 2022-04-29 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的实时心肺音自动分离方法 |
CN113066502B (zh) * | 2021-03-11 | 2022-07-26 | 电子科技大学 | 基于vmd和多小波的心音分割定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103479383A (zh) * | 2013-09-25 | 2014-01-01 | 清华大学 | 心音信号分析的方法及装置和具有其的智能心脏听诊器 |
CN104367344A (zh) * | 2014-10-10 | 2015-02-25 | 广东工业大学 | 一种基于香农包络的胎儿瞬时心率检测方法及装置 |
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 |
CN105787946A (zh) * | 2016-03-17 | 2016-07-20 | 广东工业大学 | 一种非负盲分离胎心音分析方法及装置 |
CN105943078A (zh) * | 2016-05-25 | 2016-09-21 | 浙江大学 | 基于夜间心音分析的医疗系统及方法 |
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8954140B2 (en) * | 2012-09-27 | 2015-02-10 | Samsung Electronics Co., Ltd. | Method and system for determining QRS complexes in electrocardiogram signals |
-
2018
- 2018-05-16 CN CN201810466277.1A patent/CN108814642B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103479383A (zh) * | 2013-09-25 | 2014-01-01 | 清华大学 | 心音信号分析的方法及装置和具有其的智能心脏听诊器 |
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 |
CN104367344A (zh) * | 2014-10-10 | 2015-02-25 | 广东工业大学 | 一种基于香农包络的胎儿瞬时心率检测方法及装置 |
CN105787946A (zh) * | 2016-03-17 | 2016-07-20 | 广东工业大学 | 一种非负盲分离胎心音分析方法及装置 |
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 |
CN105943078A (zh) * | 2016-05-25 | 2016-09-21 | 浙江大学 | 基于夜间心音分析的医疗系统及方法 |
Non-Patent Citations (3)
Title |
---|
A Robust Method for Heart Sounds Localization Using Lung Sounds Entropy;AzadehYadollahi et al.;《IEEE TRANSACTIONSON BIOMEDICAL ENGINEERING》;20060331;第53卷(第3期);论文第497-502页 * |
Heart Sound Localization in Respiratory Sound Based on a New Computationally-Effcient Entropy Bound;I.YucelOzbek et al.;《IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICSF EBRUARY》;20151231;论文第1-9页 * |
基于压缩感知的新型声信号采集方法;蔡盛盛等;《仪器仪表学报》;20120131;第33卷(第1期);论文第106-112页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108814642A (zh) | 2018-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107203692B (zh) | 基于深度卷积神经网络的心电数据数字信号处理方法 | |
US9198634B2 (en) | Medical decision support system | |
Castro et al. | Heart sound segmentation of pediatric auscultations using wavelet analysis | |
Sayadi et al. | A model-based Bayesian framework for ECG beat segmentation | |
CN108814642B (zh) | 一种电子听诊器的心音定位及心率计算方法 | |
CN109124610B (zh) | 一种无创血压测量的抗干扰方法和装置 | |
Chanwimalueang et al. | Enabling R-peak detection in wearable ECG: Combining matched filtering and Hilbert transform | |
JP2012513858A (ja) | 心音信号を処理する方法及びシステム | |
Chang et al. | DeepHeart: a deep learning approach for accurate heart rate estimation from PPG signals | |
Gavrovska et al. | Automatic heart sound detection in pediatric patients without electrocardiogram reference via pseudo-affine Wigner–Ville distribution and Haar wavelet lifting | |
Chen et al. | Region aggregation network: improving convolutional neural network for ECG characteristic detection | |
CN111528821A (zh) | 一种脉搏波中重搏波特征点识别方法 | |
Sedighian et al. | Pediatric heart sound segmentation using Hidden Markov Model | |
Chang et al. | Deepheart: accurate heart rate estimation from PPG signals based on deep learning | |
CN111053552B (zh) | 一种基于深度学习的qrs波检测方法 | |
Boucheham et al. | Piecewise linear correction of ECG baseline wander: a curve simplification approach | |
CN113243902B (zh) | 一种基于光电容积脉搏波的特征提取方法 | |
Banerjee et al. | Non-invasive detection of coronary artery disease based on clinical information and cardiovascular signals: A two-stage classification approach | |
Yang et al. | Classification of phonocardiogram signals based on envelope optimization model and support vector machine | |
Tan et al. | EMD-based electrocardiogram delineation for a wearable low-power ECG monitoring device | |
CN115828168A (zh) | 一种基于隐马尔可夫心动周期的心音分割方法及其装置 | |
Emrich et al. | Accelerated Sample-Accurate R-Peak Detectors Based on Visibility Graphs | |
CN110368020B (zh) | 一种心音信号预处理方法及装置 | |
Dalvi et al. | Graph search based detection of periodic activations in complex periodic signals: Application in atrial fibrillation electrograms | |
Chen et al. | Automatic Onsets and Systolic Peaks Detection and Segmentation of Arterial Blood Pressure Waveforms using Fully Convolutional Neural Networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220901 Address after: Room 1834-121, North D2, No. 32, Dazhou Road, Yuhuatai District, Nanjing City, Jiangsu Province, 210012 Patentee after: Nanjing Asdafin Intelligent Technology Co.,Ltd. Address before: 230088 No. C309, Zone C, National University Science and Technology Park, 602 Huangshan Road, high tech Zone, Hefei City, Anhui Province Patentee before: HEFEI KANGLING MEDICAL TECHNOLOGY Co.,Ltd. |