CN110491504B - 一种心音信号医学指标数据的获取方法 - Google Patents

一种心音信号医学指标数据的获取方法 Download PDF

Info

Publication number
CN110491504B
CN110491504B CN201910778056.2A CN201910778056A CN110491504B CN 110491504 B CN110491504 B CN 110491504B CN 201910778056 A CN201910778056 A CN 201910778056A CN 110491504 B CN110491504 B CN 110491504B
Authority
CN
China
Prior art keywords
heart sound
sound signal
heart
array
signal
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
Application number
CN201910778056.2A
Other languages
English (en)
Other versions
CN110491504A (zh
Inventor
兰峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD
Original Assignee
BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD filed Critical BEIJING BLUE SATELLITE COMMUNICATION TECHNOLOGY CO LTD
Priority to CN201910778056.2A priority Critical patent/CN110491504B/zh
Publication of CN110491504A publication Critical patent/CN110491504A/zh
Application granted granted Critical
Publication of CN110491504B publication Critical patent/CN110491504B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B7/00—Instruments for auscultation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching
    • G06F2218/16—Classification; Matching by matching signal segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明公开了一种心音信号医学指标数据的获取方法，使用双阈值限定来进行心音信号分段，解决了单一阈值分段存在的抗干扰能力差的问题，提高了心音信号分段的准确性，为后续可以准确的提取出心音信号的医学指标数据提供了保障。同时，在分段前对采集的心音信号进行尖峰信号消除，采用取对数，用线性的低通滤波器进行低通滤波得获得一个非常平滑的心音信号包络，这在对心音信号进行分段，确定心音中的各项成分是非常有帮助的。最后，根据心音信号的分段，得到心音信号的第一心音、第二心音、收缩期以及舒张期的持续时间，然后根据这些持续时间，就可以提取出心音信号的各项医学指标数据用作后续诊断使用。

Description

一种心音信号医学指标数据的获取方法
技术领域
本发明属于医疗测试技术领域，特别是，更为具体地讲，涉及一种心音信号医学指标数据的获取方法。
背景技术
心音信号是由于心脏有规律的机械振动产生的，经由心胸传导系统传导到人体皮肤表面的声音信号。对于心音信号的听诊(简称心音听诊)可以诊断出心脏是否存在某些异常情况，它较心电更早的发现心脏问题，从而把握住早期的治疗时机。同时心音听诊具有便捷、无创、经济性好的特点，所以心音听诊在临床诊断中扮演着相当重要的角色。
但传统的心音听诊同样存在着一定的局限性，诊断的准确性往往取决于听诊大夫的医疗知识水平、经验丰富程度，存在很多的主观因素。因此，实现心音信号的自动化诊断，可以排除不稳定的主观因素，更加客观地获取心音信号医学指标数据，对及时发现心脏是否存在问题具有深刻的研究意义。
识别心音信号中第一心音、第二心音以及收缩期、舒张期的确切位置，对心音进行分段是实现心音信号自动化诊断的必要前提，同时也使得利用计算机对正常/异常心音进行分类成为了可能。
对于心音信号的分段，传统、经典的方法是对心音信号进行预处理，获取心音的某一种包络，再基于单一阈值来对心音信号进行分段。虽然易于实现，但是准确性不高，抗干扰能力不强。当心音信号中某一个噪声成分大于所选定的阈值时，往往会出现分段错误的情况。
发明内容
本发明的目的在于克服现有技术的不足，提出一种心音信号医学指标数据的获取方法，以提高分段抗干扰能力。
为实现上述发明目的，本发明心音信号医学指标数据的获取方法，其特征在于，包括以下步骤：
(1)、心音信号采集与预处理
首先使用电子听诊器以采样频率Fs采集人体心音信号，得到离散的心音信号x0(n)，然后对所采集到的离散心音信号x0(n)进行预处理：
1.1)、分别使用截止频率为25Hz四阶巴特沃斯高通滤波器和截止频率为400Hz四阶巴特沃斯低通滤波器，对离散心音信号x0(n)进行滤波处理，得到滤波后的心音信号x(n)；
1.2)、对滤波后的心音信号x(n)进行尖峰消除处理，消除心音信号x(n)中的尖峰；
1.3)、对消除尖峰的心音信号x(n)进行归一化处理，得到归一化的心音信号x(n)；
(2)、心音信号包络特征提取
对步骤(1)获得的归一化心音信号x(n)的绝对值取对数，得到心音信号ln|x(n)|，并通过一个线性的低通滤波器对心音信号ln|x(n)|进行低通滤波，得到除去心音信号中高频成分的信号L[ln|x(n)|]，将信号L[ln|x(n)|]作为e的指数，得到心音信号的同态包络(简称心音信号包络)Envhomomorphic(n)；
(3)、心音信号分段
3.1)、设定两个阈值thr1与thr2，其中：
thr1＝para1*max(Envhomomorphic(n))，para1∈[0.1，0.4]
thr2＝para2*mean(Envhomomorphic(n))，para2∈[0，0.1]
max()函数为求最大值函数，mean()函数为求平均值函数；
3.2)、对步骤(2)提取到的心音信号包络Envhomomorphic(n)，按照时间顺序找出所有幅值大于阈值thr1包络段的第一个点，并依次存入数组LargerThanThr1中；
3.3)、从数组LargerThanThr1中依次逐个取点，从该点前后两个方向，心音信号包络Envhomomorphic(n)找出小于thr2的第一个点，前向找到的点依次存入数组thr2end，后向找到的点依次存入数组thr2start；
3.4)、计算时间间隔T1、T2：
T1＝thr2start[2]-thr2end[1]
T2＝thr2start[3]-thr2end[2]
其中，thr2start[2]为数组thr2start的第二个点对应的时刻点，thr2start[3]为数组thr2start的第二个点对应的时刻点，thr2end[1]为数组thr2end的第一个点对应的时刻点，thr2end[2]为数组thr2end的第二个点对应的时刻点；
如果T1<T2，则数组thr2start的奇数项为第一心音的起始点，偶数项为第二心音的起始点，数组thr2end数组奇数项为第一心音的终止点，偶数项为第二心音的终止点；
如果T1>T2，则数组thr2start的奇数项为第二心音的起始点，偶数项为第一心音的起始点，数组thr2end奇数项为第二心音的终止点，偶数项为第一心音的终止点；
3.5)、记录下第一、第二心音的起始与终止点，并根据第一、第二心音的起始与终止点得到心音信号中第一心音、第二心音以及收缩期、舒张期的确切位置，从而完成心音信号的分段工作；
(4)、心音信号医学指标数据提取
根据心音信号的分段，得到心音信号的第一心音、第二心音、收缩期以及舒张期的持续时间。
本发明的目的是这样实现的。
本发明心音信号医学指标数据的获取方法，使用双阈值限定来进行心音信号分段，解决了单一阈值分段存在的抗干扰能力差的问题，提高了心音信号分段的准确性，为后续可以准确的提取出心音信号的医学指标数据提供了保障。同时，在分段前对采集的心音信号进行尖峰信号消除，采用取对数，用线性的低通滤波器进行低通滤波得获得一个非常平滑的心音信号包络，这在对心音信号进行分段，确定心音中的各项成分是非常有帮助的。最后，根据心音信号的分段，得到心音信号的第一心音、第二心音、收缩期以及舒张期的持续时间，然后根据这些持续时间，就可以提取出心音信号的各项医学指标数据用作后续诊断使用。如为了实现心音信号的自动辅助诊断，我们可以从测试心音样本信号提取出的医学指标与健康、正常的心音医学指标范围进行比对，找出该心音信号是否正常以及可能存在异常的地方，给出参考的辅助诊断结果。本发明能够辅助医护人员或被测用户对于心音的健康情况作出初步的评估，方便、及时、快速的找出心音可能存在的问题，具有较高的准确率。
附图说明
图1是本发明心音信号医学指标数据的获取方法一种具体实施方式流程图；
图2是一个心音信号提取同态包络前后对照图
图3是心音信号的分段结果图；
图4某心音信号得出的诊断结果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
图1是本发明心音信号医学指标数据的获取方法一种具体实施方式流程图。
在本实施例中，如图1所述，本发明心音信号医学指标数据的获取方法包括以下步骤：
一、心音信号采集与预处理S1
首先使用电子听诊器以采样频率Fs采集人体心音信号，得到离散的心音信号x0(n)，然后对所采集到的离散心音信号x0(n)进行预处理。
1、巴特沃斯带通滤波
分别使用截止频率为25Hz四阶巴特沃斯高通滤波器和截止频率为400Hz四阶巴特沃斯低通滤波器，对采集的离散心音信号x0(n)进行滤波处理，得到滤波后的心音信号x(n)。
其中，截止频率为25Hz的四阶巴特沃斯高通滤波器传递函数为：
Figure BDA0002175684880000041
截止频率为400Hz的四阶巴特沃斯低通滤波器传递函数为：
Figure BDA0002175684880000042
2、尖峰消除算法
对滤波后的心音信号x(n)进行尖峰消除处理，在本实施例中，具体尖峰消除方法如下：
2.1以500ms的时长将心音信号x(n)分割成若干个心音片段，则每一片段的心音信号可表示为xm(n)，m为心音片段序列号；
2.2找出各心音片段中的最大绝对幅度(即幅值的绝对值最大的点)，记作fm(t)：
fm(t)＝max[|xm(n)|]；
其中，m表示的是第m个心音片段，t表示的是该心音片段的最大绝对幅度对应的横坐标即时刻；
2.3如果存在某一即第i个心音片段的最大绝对幅度fi(t)，大于其他各片段心音信号最大绝对幅度的中位数的三倍，则执行以下子步骤：
2.3.1选定包含fi(t)的第i段心音片段xi(n)；
2.3.2在心音片段xi(n)中，最大绝对幅度fi(t)的位置坐标(t，fi(t))被认为是噪声尖峰的顶点；
2.3.3将噪声尖峰的起始点Nstart定义为在最大绝对幅度点(t，fi(t))之前的最后一个过零点(Nstart，0)；
2.3.4将噪声尖峰的终止点Nend定义为在最大绝对幅度点(t，fi(t))之后的第一个过零点(Nend，0)；
2.3.5将噪声尖峰的起止范围内视作一个完整的噪声尖峰，并将范围内的幅值全部置0，即x(Nstart:Nend)＝0；
2.4返回继续处理，直到大于其他各片段心音信号最大绝对幅度的中位数的三倍心音片段全部处理完毕。
3、归一化处理
由于采样得到的心音信号强度大小不一，不利于后期对心音信号的研究分析，故采用归一化的方法，来解决心音信号强度不一致的问题，将心音信号的强度转化到[-1，1]的范围内。归一化后的心音信号可以表示为下式：
Figure BDA0002175684880000051
其中，＝表示赋值，即归一化后再赋值给x(n)；
二、心音信号包络特征提取S2
心音信号的包络可以更好地反映出心音信号的特征，因此在对心音信号进行上述过程的预处理之后，就可以通过提取心音信号包络特征，以便对心音信号进行更加充分的研究和分析。
提取心音信号的同态包络是一种有效的获取心音图幅度包络的方法。同态包络的优点在于它可以获得一个非常平滑的心音信号的包络，这在对心音信号进行分段，确定心音中的各项成分是非常有帮助的。
在本实施例中，同态包络的提取是通过同态滤波器完成的。将心音信号x(n)看作是一个缓慢变化的控制信号幅值的成分a(n)和一个快速变化的代表信号振荡部分的成分o(n)这两部分乘积的产物，故心音信号可以这样来表示：
x(n)＝a(n)·o(n) a(n)＞0；
为了将表达式从乘号转换成加号，对心音信号x(n)的绝对值取对数，即：
ln|x(n)|＝ln|a(n)|+ln|o(n)|；
因此心音信号x(n)由之前的乘法变成了加法，并且可以通过一个线性的低通滤波器对心音信号ln|x(n)|进行低通滤波，得到除去心音信号中高频成分的信号L[ln|x(n)|]，即：
L(ln|x(n)|)＝L(ln|a(n)|)+L(ln|o(n)|)≈L(ln|a(n)|)
其中，L代表的是一个低通滤波器，这里使用的一阶巴特沃斯低通滤波器，截止频率是8Hz。经过低通滤波之后，将信号L[ln|x(n)|]作为e的指数，得到心音信号的同态包络即心音信号包络)Envhomomorphic(n)：
Envhomomorphic(n)＝exp(L(ln|x(n)|))≈a(n)
最终a(n)即为一个心音信号的同态包络，如图2所示。上面一张为原始即预处理后的心音信号，其幅度为相对值，下面一张为心音信号包络，其幅度也为相对值。从图2可以看出，本发明很好地提取了心音信号的同态包络。
三、心音信号分段S3
对于提取到的心音信号包络，一种比较传统经典的方法是基于单阈值的心音信号分段方法。但采用单阈值进行分段的方法存在一个缺点就是抗干扰噪声能力差，当心音信号中某一个噪声成分大于所选定的阈值时，单阈值分段的方法会将干扰噪声按正常心音信号进行处理，从而造成心音信号分段出现错误。
本发明采用一种基于双阈值的心音信号分段方法，即设定两个阈值，其中一个阈值用于消除干扰噪声，另一个阈值用于对心音进行分段。具体分段方法的步骤如下：
1、设定两个阈值thr1与thr2，其中：
thr1＝para1*max(Envhomomorphic(n))，para1∈[0.1，0.4]
thr2＝para2*mean(Envhomomorphic(n))，para2∈[0，0.1]
max()函数为求最大值函数，mean()函数为求平均值函数。
2、对提取到的心音信号包络Envhomomorphic(n)，按照时间顺序找出所有幅值大于阈值thr1包络段的第一个点，并依次存入数组LargerThanThr1中；
3、从数组LargerThanThr1中依次逐个取点，从该点前后两个方向，心音信号包络Envhomomorphic(n)找出小于thr2的第一个点，前向找到的点依次存入数组thr2end，后向找到的点依次存入数组thr2start；
4、由于心音的特点是舒张期的时间间隔大于收缩期时间间隔，基于这一特性，计算时间间隔T1、T2：
T1＝thr2start[2]-thr2end[1]
T2＝thr2start[3]-thr2end[2]
其中，thr2start[2]为数组thr2start的第二个点对应的时刻点，thr2start[3]为数组thr2start的第二个点对应的时刻点，thr2end[1]为数组thr2end的第一个点对应的时刻点，thr2end[2]为数组thr2end的第二个点对应的时刻点
如果T1<T2，则数组thr2start的奇数项为第一心音的起始点，偶数项为第二心音的起始点，数组thr2end数组奇数项为第一心音的终止点，偶数项为第二心音的终止点；
如果T1>T2，则数组thr2start的奇数项为第二心音的起始点，偶数项为第一心音的起始点，数组thr2end奇数项为第二心音的终止点，偶数项为第一心音的终止点；
5、记录下第一、第二心音的起始与终止点，并根据第一、第二心音的起始与终止点得到心音信号中第一心音、第二心音以及收缩期、舒张期的确切位置，从而完成心音信号的分段工作，心音信号的分段结果如图3所示，图3中标注的虚线是第一心音的起始和终止点，标注的实线是第二心音的起始和终止点。由图3可以看出，应用本发明提出的心音分段方法可以准确的划分第一心音和第二心音的起始终止点(位置)。
四、心音信号医学指标数据提取
在完成对一个心音信号进行分段的工作之后，就可以清楚的知道心音信号的第一心音、第二心音、收缩期以及舒张期的持续时间等各项数据，即可以提取出心音信号的各项医学指标数据用作后续诊断使用。
在本实施例中，提取出心音信号的5项医学指标数据，具体医学指标类别如下：
1、第一心音持续时间
经过分段后的心音信号可以得知每个心动周期的第一心音持续时间，求所有第一心音持续时间的平均值作为该心音信号的第一心音持续时间meanS1：
Figure BDA0002175684880000081
其中，k表示该心音信号中共有k个第一心音出现，tS1j表示第j个第一心音所持续的时间。
2、第二心音持续时间
经过分段后的心音信号可以得知每个心动周期的第二心音持续时间，求所有第二心音的平均值作为该心音信号样本的第二心音持续时间meanS2：
Figure BDA0002175684880000082
其中，k表示该心音信号中共有k个第二心音出现，tS2j表示第j个第一心音所持续的时间。
3、心动周期间隔时间：
心动周期间隔是指从第一心音开始，经理收缩期，第二心音，直到舒张期结束这样一个周期所持续的时间，因此心动周期间隔平均值meanS11可表示为：
Figure BDA0002175684880000083
其中，k表示该心音信号中共有k个心动周期，tS1j表示第j个第一心音所持续的时间，tSysj表示第j个收缩期所持续的时间，tS2j表示第j个第二心音所持续的时间，tDiaj表示第j个舒张期所持续的时间。
4、第一二心音间隔
第一二心音间隔是指从第一心音发生开始到第二心音结束所持续的时间，因此第一二心音间隔平均值meanS12可表示为：
Figure BDA0002175684880000091
其中，k表示该心音信号中共有k个心动周期，tS1j表示第j个第一心音所持续的时间，tSysj表示第j个收缩期所持续的时间，tS2j表示第j个第二心音所持续的时间。
5、心率
心率是指心脏每分钟跳动的次数。正常人在静息状态下心率的范围为60～100次每分钟，低于60次/分钟叫做心率过缓，高于100次/每分钟叫做心率过速。心率值hr的计算可用下式来完成：
Figure BDA0002175684880000092
五、基于心音医学指标的心音辅助诊断
相较于传统的临床听诊，基于本发明得到心音信号医学指标数据作为诊断心音是否正常的依据，蒋提高心音诊断的准确率。
对于一个获取到的心音信号样本，在具体诊断中，进行以下处理：
(1)心音信号预处理、包络提取，心音分段处理
通过对一个未知心音信号进行预处理、包络提取，心音分段处理，我们可以得知该心音的构成，为下面进一步诊断打好基础。
(2)心音医学指标数据提取
有了上一步对心音信号的正确分段作为前提，即可提取到该心音信号的第一心音、第二心音持续时间等5项医学指标，此步骤为现有技术。
(3)医学指标范围比对
针对提取到的某一心音信号的5项医学指标，与健康、正常心音的医学指标范围进行比对，判断心音的各项医学指标是否正常。
其中，第一心音持续时间正常值的范围为0.10秒～0.16秒，小于0.10秒认为第一心音狭窄，大于0.16秒认为第一心音肥厚；第二心音持续时间正常值的范围为0.08秒～0.12秒，小于0.08秒认为第二心音狭窄，大于0.12秒认为第二心音肥厚；心动周期间隔的正常值为0.50秒～1.20秒，不在此范围内则被认为心动周期间隔可能存在异常；一二心音间隔的正常值为0.30秒～0.50秒，不在此范围内则被认为一二心音间隔可能存在异常。
(4)得出诊断结论
根据比对的结果，给出参考的诊断结论，指出存在问题的地方，提醒被诊断者及时检查、尽快就医，诊断结果图如图4所示。
六、结论
基于本发明方法，可以较准确的完成对心音信号进行自动分段、正异常诊断工作，能够辅助医护人员或普通用户对于心音的健康情况作出初步的评估，一定程度上减轻了医疗工作者的工作量，同时也有利于心脏病患者及时发现自身的问题并及时进行相应的治疗工作，具有显著的社会价值。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种心音信号医学指标数据的获取方法，其特征在于，包括以下步骤：
(1)、心音信号采集与预处理
首先使用电子听诊器以采样频率Fs采集人体心音信号，得到离散的心音信号x0(n)，然后对所采集到的离散心音信号x0(n)进行预处理：
1.1)、分别使用截止频率为25Hz四阶巴特沃斯高通滤波器和截止频率为400Hz四阶巴特沃斯低通滤波器，对离散心音信号x0(n)进行滤波处理，得到滤波后的心音信号x(n)；
1.2)、对滤波后的心音信号x(n)进行尖峰消除处理，消除心音信号x(n)中的尖峰；
1.3)、对消除尖峰的心音信号x(n)进行归一化处理，得到归一化的心音信号x(n)；
(2)、心音信号包络特征提取
对步骤(1)获得的归一化心音信号x(n)的绝对值取对数，得到心音信号ln|x(n)|，并通过一个线性的低通滤波器对心音信号ln|x(n)|进行低通滤波，得到除去心音信号中高频成分的信号L[ln|x(n)|]，将信号L[ln|x(n)|]作为e的指数，得到心音信号包络Envhomomorphic(n)；
(3)、心音信号分段
3.1)、设定两个阈值thr1与thr2，其中：
thr1＝para1*max(Envhomomorphic(n)),para1∈[0.1,0.4]
thr2＝para2*mean(Envhomomorphic(n)),para2∈[0,0.1]
max()函数为求最大值函数，mean()函数为求平均值函数；
3.2)、对步骤(2)提取到的心音信号包络Envhomomorphic(n)，按照时间顺序找出所有幅值大于阈值thr1包络段的第一个点，并依次存入数组LargerThanThr1中；
3.3)、从数组LargerThanThr1中依次逐个取点，从该点前后两个方向，心音信号包络Envhomomorphic(n)找出小于thr2的第一个点，前向找到的点依次存入数组thr2end，后向找到的点依次存入数组thr2start；
3.4)、计算时间间隔T1、T2：
T1＝thr2start[2]-thr2end[1]
T2＝thr2start[3]-thr2end[2]
其中，thr2start[2]为数组thr2start的第二个点对应的时刻点，thr2start[3]为数组thr2start的第二个点对应的时刻点，thr2end[1]为数组thr2end的第一个点对应的时刻点，thr2end[2]为数组thr2end的第二个点对应的时刻点；
如果T1<T2，则数组thr2start的奇数项为第一心音的起始点，偶数项为第二心音的起始点，数组thr2end数组奇数项为第一心音的终止点，偶数项为第二心音的终止点；
如果T1>T2，则数组thr2start的奇数项为第二心音的起始点，偶数项为第一心音的起始点，数组thr2end奇数项为第二心音的终止点，偶数项为第一心音的终止点；
3.5)、记录下第一、第二心音的起始与终止点，并根据第一、第二心音的起始与终止点得到心音信号中第一心音、第二心音以及收缩期、舒张期的确切位置，从而完成心音信号的分段工作；
(4)、心音信号医学指标数据提取
根据心音信号的分段，得到心音信号的第一心音、第二心音、收缩期以及舒张期的持续时间。
2.根据权利要求1所述的获取方法，其特征在于，在步骤(1)中，所述的截止频率为25Hz的四阶巴特沃斯高通滤波器传递函数为：
Figure FDA0003917462110000021
截止频率为400Hz的四阶巴特沃斯低通滤波器传递函数为：
Figure FDA0003917462110000022
3.根据权利要求1所述的获取方法，其特征在于，在步骤(1)中，所述的尖峰消除为：
1.1)以500ms的时长将心音信号x(n)分割成若干个心音片段，则每一片段的心音信号可表示为xm(n)，m为心音片段序列号；
1.2)找出各心音片段中的最大绝对幅度，记作fm(t)：
fm(t)＝max[|xm(n)|]；
其中，m表示的是第m个心音片段，t表示的是该心音片段的最大绝对幅度对应的横坐标即时刻；
1.3)如果存在某一即第i个心音片段的最大绝对幅度fi(t)，大于其他各片段心音信号最大绝对幅度的中位数的三倍，则执行以下子步骤：
1.3.1)选定包含fi(t)的第i段心音片段xi(n)；
1.3.2)在心音片段xi(n)中，最大绝对幅度fi(t)的位置坐标(t,fi(t))被认为是噪声尖峰的顶点；
1.3.3)将噪声尖峰的起始点Nstart定义为在最大绝对幅度点(t,fi(t))之前的最后一个过零点(Nstart,0)；
1.3.4)将噪声尖峰的终止点Nend定义为在最大绝对幅度点(t,fi(t))之后的第一个过零点(Nend,0)；
1.3.5)将噪声尖峰的起止范围内视作一个完整的噪声尖峰，并将范围内的幅值全部置0，即x(Nstart:Nend)＝0；
1.4)返回继续处理，直到大于其他各片段心音信号最大绝对幅度的中位数的三倍心音片段全部处理完毕。
CN201910778056.2A 2019-08-22 2019-08-22 一种心音信号医学指标数据的获取方法 Active CN110491504B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910778056.2A CN110491504B (zh) 2019-08-22 2019-08-22 一种心音信号医学指标数据的获取方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910778056.2A CN110491504B (zh) 2019-08-22 2019-08-22 一种心音信号医学指标数据的获取方法

Publications (2)

Publication Number Publication Date
CN110491504A CN110491504A (zh) 2019-11-22
CN110491504B true CN110491504B (zh) 2023-01-06

Family

ID=68552980

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910778056.2A Active CN110491504B (zh) 2019-08-22 2019-08-22 一种心音信号医学指标数据的获取方法

Country Status (1)

Country Link
CN (1) CN110491504B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111528900A (zh) * 2020-05-21 2020-08-14 广东工业大学 基于巴特沃斯滤波器与香农熵法的心音分段方法和装置
CN112957029A (zh) * 2021-02-02 2021-06-15 宁波理得医疗科技有限公司 一种基于短时能量的肺音吸呼比和呼吸频率计算方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101357076A (zh) * 2008-08-08 2009-02-04 重庆大学 远程心脏储备指标分析系统及其方法
CN102283670A (zh) * 2011-07-08 2011-12-21 西华大学 一种心音信号量化分析方法及装置
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
CN103948398A (zh) * 2014-04-04 2014-07-30 杭州电子科技大学 适用于Android系统的心音定位分段方法
CN105686846A (zh) * 2016-01-18 2016-06-22 重庆大学 心音信号特征自动提取方法
CN109998514A (zh) * 2019-04-25 2019-07-12 四川长虹电器股份有限公司 一种非规则心音信号的心率计算方法
CN110123371A (zh) * 2019-05-30 2019-08-16 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

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050222515A1 (en) * 2004-02-23 2005-10-06 Biosignetics Corporation Cardiovascular sound signature: method, process and format

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101357076A (zh) * 2008-08-08 2009-02-04 重庆大学 远程心脏储备指标分析系统及其方法
CN102283670A (zh) * 2011-07-08 2011-12-21 西华大学 一种心音信号量化分析方法及装置
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
CN103948398A (zh) * 2014-04-04 2014-07-30 杭州电子科技大学 适用于Android系统的心音定位分段方法
CN105686846A (zh) * 2016-01-18 2016-06-22 重庆大学 心音信号特征自动提取方法
CN109998514A (zh) * 2019-04-25 2019-07-12 四川长虹电器股份有限公司 一种非规则心音信号的心率计算方法
CN110123371A (zh) * 2019-05-30 2019-08-16 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

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于EMD的舒张期心杂音信号的分析与识别研究;李宏全;《中国优秀博硕士学位论文全文数据库（硕士）》;20170305;全文 *
基于包络提取的心音信号分段算法的研究;李晓玉;《中国优秀博硕士学位论文全文数据库（硕士）》;20151215;全文 *

Also Published As

Publication number Publication date
CN110491504A (zh) 2019-11-22

Similar Documents

Publication Publication Date Title
CN109171712B (zh) 心房颤动识别方法、装置、设备及计算机可读存储介质
CN109907752B (zh) 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统
CN110269600B (zh) 基于多元经验模态分解与联合盲源分离的非接触式视频心率检测方法
Steinberg et al. Pattern recognition in the clinical electrocardiogram
AU2016230825A1 (en) Systems, apparatus and methods for sensing fetal activity
Chanwimalueang et al. Enabling R-peak detection in wearable ECG: Combining matched filtering and Hilbert transform
CN105686846A (zh) 心音信号特征自动提取方法
Sedighian et al. Pediatric heart sound segmentation using Hidden Markov Model
CN113057648A (zh) 一种基于复合lstm结构的ecg信号分类方法
CN110491504B (zh) 一种心音信号医学指标数据的获取方法
CN101919704B (zh) 一种心音信号定位、分段方法
Gündüz et al. Atrial fibrillation classification and detection from ECG recordings
Talatov et al. Algorithmic and software analysis and processing of ECG signals
Costa et al. QRS peaks, P and T waves identification in ECG
Sulas et al. A non-invasive multimodal foetal ECG–Doppler dataset for antenatal cardiology research
Wang et al. QRS detection in ECG signal based on residual network
CN111839488A (zh) 基于脉搏波的无创连续血压测量装置和方法
CN113729653A (zh) 一种人体脉搏波信号采集方法
CN111528900A (zh) 基于巴特沃斯滤波器与香农熵法的心音分段方法和装置
LU502768B1 (en) Intelligent blood pressure prediction method based on multi-scale residual network and ppg signal
Hegde et al. A review on ECG signal processing and HRV analysis
CN114145725B (zh) 一种基于无创连续血压测量的ppg采样率估算方法
Imirzalioglu et al. Quantifying respiration effects on cardiac vibrations using teager energy operator and gradient boosted trees
Varghees et al. Two-channel heart sound segmentation framework using phonocardiogram and pulsatile signals
CN115024716A (zh) 基于心率标签生成的心冲击图信号重建方法

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