（模式识别与智能系统专业论文）心音采集与分析方法研究.pdf

五邑入学侦f j 学位论文 摘要 心音信号是人体最重要的生理信号之一，心音检测是了解心脏状态的一项重要 手段，具有心电检测不可取代的临床价值。心音图( r c g ) 记录了大量人耳较难分辨 的有用信息，对心脏及心血管疾病具有极高的临床诊断价值。由于心音信号是一种 时变的、非平稳的、由多种成份组成的复杂信号，传统的分析方法难以达到令人满 意的效果。因此，寻求更为有效的、更能反映心音信号本质特征的分析方法以及分 类算法，是目前心音研究者的目标所在。 心音信号是非平稳信号，为了全面了解心音信号的特征，需要从时域、频域、 时一频域三个角度对其进行分析，提取特征参数。由于各种干扰的存在，采集到的 心音信号质量较差，因此在进行分析之前要对心音信号进行预处理，消除其包含的 各种噪声。经过预处理后，心音信号质量显著提升，可用于进一步分析。 在本文中，主要研究内容如下： 1 设计了一种简单、成本低廉的心音采集装置，结合软件可以实现心音的采集与 回放功能。 2 为了消除心音信号中的噪声，提出了小波双变量阈值去噪的方法。它通过对传 统阈值函数的改进，使其具有很好的去噪效果同时又有更好的灵活性。 3 为了得到更准确的时域特征，通过e m d ( 经验模态分解) 包络算法提取心音的 包络，并给出了心音分段算法步骤及策略。考虑到心音信号的多样性及复杂性， 用大量的实际采集数据以及实验数据进行了验证，达到了很高的分段正确率。 4 。将h h t ( 希伯特黄变换) 引入心音信号的研究，建立了基于h h t 的心音信号分析 及特征提取方法。 5 介绍了s v m 二类分类原理，以及s v m 多类分类思想，并在此基础上提出了一 种基于支持向量机的心音分类方法。 关键词心音信号；小波消噪；分段：h h t ；支持向量机 五邑人学颂i j 学位论文 a b s t r a c t h e a r ts o u n ds i g n a li so n eo ft h em o s tp r i m a r yp h y s i o l o g i c a ls i g n a l s d e t e c t i o no f h e a r ts o u n d si sa ni m p o r t a n tm e t h o dw i t hj u d g i n gt h es t a t eo fh e a r tw h i c hh a si t so w n a d v a n t a g e st h a te c gc a nn o tr e p l a c e h e a r ts o u n dc a nb eu s e dt od i a g n o s eo fh e a r t d i s e a s e s t h ep h o n o c a r d i o g r a m ( p c g ) r e c o r d sp l e n t yo fu s e f u li n f o r m a t i o nt h a te a rc a n n o td i f f e r e n t i a t e a n a l y s i so fe a c hp a n so fp c gw i l lb eh e l p f u lt od i a g n o s et h ec l i n i c h e a r td i s e a s e s h e a r ts o u n di sak i n do fn o n - s t a t i o n a r ya n dc o m p l e xs i g n a l ，i ti sv e r y d i f f i c u l tt oa n a l y z ev i s u a l l y w i t ht h er a p i dd e v e l o p m e n ti nc o m p u t e rs c i e n c ea n dd i g i t a l t e c h n o l o g y , av a r i e t yo fm e t h o d sa r ea p p l i e df o rt h ea n a l y s i so fp c gs i g n a l s ，b u tt h e s e m e t h o d se x t r a c to n l yl i m i t e di n f o r m a t i o nf r o mt h ep c g s i g n a l n o wm a n ys p e c i a l i s t sa n d s c h o l a r sa r et r y i n gt od om a n ye x p l o r i n gr e s e a r c h ，b yu s i n gae f f i c a c i o u sm e t h o da n d c l a s s i f ya l g o r i t h mt os t u d yt h eh e a r ts o u n d t h ep c g s i g n a li sn o n - s t a t i o n a r y i no r d e rt og e tac o m p r e h e n s i v eu n d e r s t a n d i n go f t h ec h a r a c t e r i s t i cf o rt h eh e a r ts o u n d ，i ti sn e c e s s a r yt oa n a l y z eh e a r ts o u n di nt i m e ， f r e q u e n c ya n dt i m e f r e q u e n c yd o m a i n d u et ot h ei n t e r f e r e n c e ，t h eh e a r ts o u n ds i g n a li s n o i s e ds ot h a tt h e p r e p r o c e s s i n g i s n e c e s s a r y t or e m o v et h en o i s e s a f t e rt h e p r e p r o c e s s i n g ，t h eq u a l i t yo fs i g n a li si m p r o v e da n dc a nb eu s e df o rf u r t h e ra n a l y s i s i nt h i sp a p e r ，t h em a i nc o n t e n t so ft h es t u d ya r el i s t e db e l o w ： 1 d e s i g n e das i m p l e 、l o w - c o s td e v i c e so fa c q u i s i t i o nh e a r ts o u n d s ，c o m b i n i n g c o l l e c t i o na n di m p l e m e n t a t i o no fh e a r ts o u n dp l a y b a c ko fs o f t w a r e 2 i no r d e rt oe l i m i n a t et h en o i s eo fh e a rs o u n d s ，w ep r o p o s e dw a v e l e tt h r e s h o l d d e n o i s i n gm e t h o d ，w h i c hi m p r o v e dt r a d i t i o n a lt h r e s h o l do ff u n c t i o na n dm a d e d e n o i s i n gr e s u l t sa r ev e r yg o o da n db e t t e rf l e x i b i l i t y 3 i no r d e rt o g e tam o r e a c c u r a t et i m e - d o m a i nc h a r a c t e r i s t i c s ，w et h r o u g ht h e e m d ( e m p i r i c a lm o d ed e c o m p o s i t i o n ) a l g o r i t h mf o re x t r a c t i o nt h ee n v e l o p eo fh e a r t s o u n d s a n ds h o was u b a l g o r i t h mf o rh e a r ts o u n ds t e p sa n ds t r a t e g i e s t a k i n gi n t oa c c o u n tt h e d i v e r s i t ya n dc o m p l e x i t yo fh e a r ts o u n ds i g n a l ，w em a k ee x p e r i m e n t sw i t hm a n yd a t ac o l l e c t i o n a sw e l la st h ea c t u a le x p e r i m e n t a ld a t a ，o b t a i n i n gah i g hr a t eo fr i g h t 4 h h ti si n t r o d u c e dt os t u d yo fh e a r ts o u n ds i g n a l sa n dt h em e t h o d so fh e a r ts o u n d l i 五邑人学倾l j 学位论文 a n a l y s i sa n df e a t u r ee x t r a c t i o na r ee s t a b l i s h e db a s eo nh h t 5 t h ep r i n c i p l eo fs v mc l a s s i f i c a t i o na n di d e ao fs v mm u l t i c l a s s i f i c a t i o ni si n t r o d u c e d ，a n da c l a s s i f i c a t i o no fh e a r ts o u n d si sp r o p o s e db a s e do ns v m k e yw o r d s ：h e a r ts o u n d ；w a v e l e ts h r i n k a g ed e n o i s i n g ；s e g m e n t a t i o n ；h i l b e r th u a n g t r a n s f o r m ；s u p p o r tv e c t o rm a c h i n e i i i 本人声明 我声明，本论文及其研究工作由本人在导师指导下独立完成，完成论文所用的 切资料均已在参考文献中列出。 作者：李天生 签字：李天生 2 0 0 9 年4 月1 5 日 五邑人学顾i j 学位论义 第一章绪论 1 1 心音分析的研究内容与意义 心音信号是人体最重要的生理信号之一，它是心脏及心血管系统机械运动状况的反 映，是在心动周期中由于心肌收缩舒张、瓣膜启闭以及血流冲击心室壁和大动脉等引起 的一种机械振动，也是评估心脏功能状态的一种基本方法。心音信号蕴含着心脏各个部 分本身及相互之间作用的生理和病理等重要的诊断信息。与传统的e c g 信号相比，由于 心脏或者心血管疾病所表现出的病理现象会比较早地体现在心音信号上，如波形的畸变 以及心杂音的出现等。在尚未发展到痛感、e c g 异常等症状之前，心音就可以为进行早 期诊断提供可靠的信息。心音同时还具有心电不可替代的诊断信息，且具有无创性、重 复性好等特点，因而在探测不同心脏疾病如心脏瓣膜病、人工心脏瓣膜性能、冠心病、 动脉疾病等的无创性检查方面有很大的潜能。 心音听诊是无创性临床基本检测手段之一，传统的听诊由于听诊器低频响应差，披得 听诊不能做出定量的分析，容易受医生的主观性影响。尽管心脏听诊可以诊断许多心脏 疾病，但听诊的准确度很大程度上被听诊者的临床经验影响，往往只有那些有经验的心 脏病专家，方能通过听诊，对心脏的功能状态做出j 下确的评价和诊断。另外人耳并不适 合心脏听诊，有研究表明人耳听觉最敏感的频率范围在1 0 0 0 - 3 0 0 0 h z 之间，对低频区 敏感性差，更听不到2 0 h z 以下的声音。然而心音的频率成分主要在4 0 - - - l o o h z 之间， 而且在诊断上有重要意义的大多在l o o h z 以下，所以人耳对那些有重要诊断意义的低频 及强度较小的心音往往不能分辨。 心音图将心脏听诊形象化，提高了心血管疾病的诊断水平，对于了解心血管功能、选 择治疗、判断病理生理以及研究某些疾病的机理都提供了很有价值的资料。在临床应用 价值和优点如下：心音图可以将心脏活动过程中产生的瞬间即逝的声音，变为可以长期 保存、可供详细分析的波形；心音图可以补充心脏听诊的不足，可以发现被响亮的瓣膜 音掩盖的心杂音，可以研究心音、杂音的机理及疾病的病理生理；属于无创伤、重复性 好的检查手段，可以观察心音的动态变化过程。但是心音图对心音没有定量分析，还得 依靠医生的经验，不能够进行心音的自动分析。现代先进的成像技术例如e k g 、m 融、 c t 同样可以给心音诊断带来直接的依据。但是这些设备昂贵，以及需要专门的技术人员 操作，不适合家庭护理、农村医院、农村城镇诊所。 心音信号虽然包含了人体心脏和血管中丰富的原始信息，但是其有效信息的提取困 难。心音信号是一种典型的非平稳信号，信号复杂，所以心音自动分析技术发展缓慢。 目前心音的研究中存在的问题： 五邑人学帧i j 学位论文 l 、心音的产生机制尚无定论，目前的研究表明，心音是由心脏的瓣膜和大血管在血 流冲击下形成的振动，以及心脏内血流的加速与减速形成的湍流与涡流及其对心脏瓣膜、 心房、室壁的作用所产生的振动，再加上心肌在周期性的心电活动作用下其刚性的迅速 增加和减小形成的振动，经过心胸传导系统到达体表形成了体表心音。 2 、目前对于心音自动分析的研究大多都在理论研究阶段，临床上对于心音的诊断大 多还是靠医生的经验和主观判断，这样便限制了其在家庭护理、农村医院、农村城镇诊 所的应用。 3 、目前心音信号的自动分析技术还不成熟、不全面，一般只能对正常的心音信号 做出比较准确的识别，而对于异常心音信号，还不能用先进的信号处理手段进行自动分 析及识别。 随着电子技术的迅速发展，电子计算机数据采集、现代数字信号处理技术以及模式 识别技术的广泛应用，心音信号的小波分析、时频分析、神经网络等模式识别技术的成 熟，为研究心音并最终更准确地诊断心脏以及心脏疾病提供了必要的手段。 1 2 心音信号处理方法概述 从数字信号处理的角度来看，心音自动分析需要解决三个问题： 1 心音信号的预处理，主要包括心音消噪、心音分段，以便对心音进行定位： 2 心音信号的分析及特征提取； 3 心音的模式识别。 1 2 1 心音信号预处理的研究 心音信号的预处理包括心音信号的消噪以及分段【2 - b 】。由于心音信号在采集过程中 受到噪声和其他生理信号的干扰，如心胸系统传播过程中产生的噪音、呼吸噪声、肌肉 噪声及其它环境引起的噪声等。这些干扰信号的存在，会降低心音分析的精度和准确度， 所以需要对心音进行滤波。常用的滤波手段是信号的时域频域变换分析，一般采用的方 法是时域加窗频域滤波。h a g h i g h i m o o d ( 1 9 9 6 ) 构建了时变的w i e n e r 滤波器用于心音信号的 预处理。t m a t i ( 1 9 9 8 提出了修j 下的自适应线性滤波器消去心音信号的干扰噪声。a b b o t t ( 2 0 0 1 ) 探讨了心音的小波消噪技术，对常用的技术进行了归纳总结。w a r a d y ( 2 0 0 1 ) 使用了两通道的 信号，探讨了自适应的交叉通道系数去噪技术。许晓飞删7 7 ) 利用黄变换中的经验模式分解， 2 五邑人学顺f 学位论义 选取心音所在频率的固有模态数，然后对这些固有模态数求和即可得到去噪后的心音。 心音信号的一个完整心动周期按时间顺序主要分为四个部分：第一心音( s o 、收缩期、 第二心音( s 2 ) 、舒张期。每一部分都有相应的生理病理意义。在对心音信号做进一步分析 处理之前，对心音进行精确定位有非常重要的作用。传统的比较精确的心音定位技术大 多需要参考心电信号( e c g ) 分段，g r o c h 等提出了借助于e c g 作为参考，利用心音时 域特性的方法进行分段。l e h n e r 等提出了利用心电信号与颈动脉波作为参照的心音分段 算法，用心电信号的r 波的波峰位置估计心音信号s 1 的起始点，用颈动脉波的重搏切迹 估计s 2 的起始点，把心音分为收缩期和舒张期两部分。而不借助于心电图等参考信号的 心音诊断也有不少研究，g e r b a r g ( 1 2 利用心音时域和频域的组成自动辨别第一心音和第 二心音。i k e g a y a 0 9 s o 通过线性预测用频谱追踪的算法检测第一心音和第二心音的时间位 置。l i a n g ( 1 9 9 7 研究了小波的分解和重构算法用于心音分段。d u r a n d 于1 9 9 7 年提出了不借 助于心电的心音分段算法，通过匹配追踪算法定位心音主要能量的分布对心音进行分段。 f a i z a nj a v e d 对心音信号小波分解，选取d 4d 5 并求出他们的香农能量，利用香农能量对 s ls 2 定位【1 4 】。d g i l l 提出同态滤波方法提取心音信号的包络线，然后对s 1s 2 进行定位【15 1 。 g n i t e c k ij 将分形理论用语心音信号的定位【16 1 ， 国内卢耕1 9 9 3 等首次对心音信号进行了 分形研究【1 刀，王衍文1 9 9 8 利用c h i o w i l l i a m s 分布分析心音信号的时频特性对心音定位， 同时对心音信号的时频、频域和能量分布做了全面的描述【1 8 】。许晓飞2 0 0 7 对原信号求希尔 伯特变换得到原信号的解析信号，然后对解析信号求模得到信号的包络线，根据此包络 线利用双阈值对心音进行定位【1 9 1 。 1 2 2 心音信号的分析及特征提取方法 ( 1 ) 传统谱分析 谱分析方法分为以傅立叶分析为基础的经典分析方法和现代谱分析法 2 0 - 3 0 1 。用傅立 叶分析方法，m a z u m d a r & b o g n e r ( 1 9 8 0 1 ，n a n d a g o p a ( 19 8 1 ) ，m a z u m d a r & b o g n e r ( 1 9 8 4 对心音信号进 行了谱分析。但是，心音信号的时间特性完全丧失，并不能完全反映信号时变特性。对 于非平稳的心音信号来说，应用傅立叶谱分析容易引入谐波分量，造成能量的扩散。现 代谱估计技术适用于估计随机信号的功率谱，具有较高的精确性和谱分辨率。现代谱分 析技术具有许多种方法，其中，最大熵估计法( m e s m ) 、自回归模型法( a r ) 、特征向 量法及自回归滑动平均模型法( a r m a ) 较适用于分析心音频谱。 五邑人学颀i j 学位论j 【： f o a l e 等应用最大熵谱估计技术研究了猪的主动脉瓣替代瓣膜关闭音，并与f f t 技术 做了比较。结果表明，移植瓣膜机能异常时谱峰频率值明显高于j 下常替代瓣膜。f f t 的 谱分辨率明显低于最大熵谱法，原因是f f t 对像瓣膜关闭音这段时间的随机信号不能给 出准确的谱估计。l d u a r a n d ( 1 9 9 3 ) 等将传统谱分析方法和现代谱分析方法应用于人工生物 瓣膜音的分析，并对这两种谱分析方法的性能进行了比较。h a g m g h i m o o d 则系统的介绍 了f f t 谱分析和参数模型谱分析在心音信号分析中的应用。对于舒张期心音信号的a r 建模分析。a k a y 则利用a l l 模型、a r m a 模型以及特征向量法等对心音建模，研究舒张 期心音频谱。国内1 9 8 4 年胡广书等采用自回归模型法研究了s 1 和s 2 的功率谱，指出了 正常心音的谱峰频率和不正常心音的谱峰频率的区别，得出s 2 的谱峰频率要高于s l ， 心脏病人的平均谱峰频率要高于正常人。王海滨1 9 9 3 ) 等则用b u r g 算法估计出心音信号的 自回归模型，分析了心音信号的频谱。功率谱仅反映了信号的幅频特性，丢失了相频信 息。而相频特性往往蕴含着有关信号细节的信息。何莹等将高阶统计量方法应用于心音 信号分析，建立了心音信号的a r 双谱模型，获得了心音的双谱幅度图，并采用模型参 数作为特征参量进行了正常心音和病理心音的分类。近年来，能提取并恢复信号相频信 息的高阶谱逐渐在心音信号分析中得到了应用。m i n f e n s h e n ( 1 9 9 7 、b u r h a ne r g e n ( 2 0 0 1 等提 出了基于高阶统计自回归模型的心音信号分析方法，获得了比传统的a l l 建模的更为精 细的分辨率。 ( 2 ) 时频分析 对于心音信号来说，不同时刻具有不同的频率成分，单纯在时域或频域都不足以表 示信号特征。为了改进傅立叶分析方法的不足，更好的反映心音信号的时变特性，在时 频联合分布面上分析心音信号成为必然。因为时频分析实际上是将一维的时间信号映射 到时频( 有的时候是时间尺度) 二维，可以很好的表示出信号的频率成分随时间的规律， 而这恰恰是非平稳信号( 心音信号) 分析所需要的。时频分析主要可分三类：一是线性 时频，如短时傅立叶变换( s t f t ) 、小波变换、r a d o n 变换。二是非线性时频分析但属c o h e n 类双线性时频分布应用最广，如w i n g e r v i l i e 变换、c h o i w i l l i a m s 变换。三是自适应 时频分析，如匹配追踪算法( m a t c h i n g p u r s u l t ) 、h il b e r t h u a n g 变换。第一类时频分析 都是在傅立叶变换基础上改造出来的，s t f t 是对信号加窗再进行傅立叶，通常适于分析 具有局部平稳的信号。小波变换是直接对傅立叶变换的基函数进行改造，通常适于分析 具有自相似结构的信号。第二类时频分析方法一般会造成交叉项的困扰。第三类匹配追 踪算法由于它基函数的母函数是固定的，因而它的自适应性也很有限且计算复杂。 4 五邑人学硕j j 学位论义 h i l b e r t - h u a n g 变换( h h t ) 是1 9 9 8 年h u a n g 等提出一种新的时频分析，h h t 是完全自适 应性的，能够自适应产生“基”，即由“筛选”过程产生的i m f ，不同于傅立叶变换和小 波变换。傅立叶变换的基是三角函数，小波变换的基是满足“可容性条件的小波基， 也需要预先选定。但h h t 也存在一些问题，如e m d 的边界效应、筛选过程的停止准则等。 尽管有种种不足，但由于比较完善的非平稳信号处理方法一直未出现，国内外研究者还 是用上述时频分析方法对心音信号进行了大量研究h 3 。d u r a n d n 9 9 2 、d j e b b a r i 删等提出 采用短时傅里叶变换研究了心音信号的时一频变化( 谱图) 。a h m d “等应用了 w i g n e r v i l l e 变换分析了心音以及心杂音。b e n t l e y “9 9 7 用c h o i - w i l l i a l n s 分布分析心音 信号，并由时频面提取了9 个特征量，用以分辨j 下常和异常的心音。d u r a n d 0 9 9 7 比较了不 同的时频分析技术，包括频谱图c h o i w i l l i a l n s 分布和b e s s e l 分布分析六种不同心 杂音的能力。r e g u i g 使用s t f t ，通过调整海宁窗的长度获得了改进的时频分布。 k h a d r 19 9 1 、p m b e n t l e y o 、b e l a s i r o 嘲、f c j a n d r e “刚等则用小波变换分析了心音 信号。j u n g j u n l e e “比较了s t f t 以及小波变换分析心音信号的性能，结果指出：糟对于 s t 兀，小波变换能检测出心音的主要部分，有较高的时频分辨率。对于心杂音的研究， p r w h i t e o 嘶用伪w i g n e r v i l l e 分布分析心杂音在时频面上的变化规律。x u a n z h a n g o 则用匹配追踪的分析方法对心音信号进行了自适应时频分析。z h a oz h i d o h g 功 用h h t 对心音进行了分析。国内也有大量研究者采用类似的时频分析方法对心音信号进 行了分析h 钙驯。 1 2 3 心音信号的模式识别研究 心音信号的模式识别的研究目前主要集中在神经网络上，也有用支持向量机识别。近 年来，人工神经网络因其强大的并行处理机制、任意函数的逼近能力、学习能力以及自 组织和自适应能力等而在心脏疾病故障诊断方面得到了广泛的应用 5 4 - 5 7 】。i t u r k o g l u ( 2 0 0 2 ) 设计了基于b p 神经网络的专家系统，实现了心脏瓣膜疾病的诊断。o l m e z ( 2 0 0 3 ) 首先对心 音信号进行小波变换，由小波系数形成特征向量，作为神经网络的输入，从而实现心音 的分类以及心脏疾病的诊断。郭兴明( 2 0 0 3 提出基于概率神经网络的第一心音和第二心音自 动识别。曹莉、赵德安( 2 0 0 7 提出基于人工神经网络及小波分析的心音诊断方法。人工神经 网络遵循的是经验风险最小原则，追求的是在样本趋于无穷时的最优解。由于实际的训 练样本不可能无穷多，致使期望风险和实际的经验风险存在一定的差异，从而使得神经 网络的推广性较差。另一方面在神经网络在训练过程中易收敛于某一局部而非全局的稳 五邑人学倾i ：q - 位论文 定点，从而影响分类准确率。 由于神经网络有许多难以克服的缺点，如学习算法收敛速度慢、存在局部极小值、网 络结构难以很好的确定、泛化性能差等，近年来在理论上缺乏也进展。在对神经网络的理 论和方法研究中，我们似乎已经无法突破现有的成果，只是对它们进行一定情况下的某种 改进和推广，或将它与其它方法进行某种结合。由v a p n i k 等提出的统计学习理论及从中发 展出的支持向量机( s u p p o r tv e c t o rm a c h i n e s ，s v m ) 方法，是在小样本情况下发展起来的 统计机器学习理论，同时它与传统的神经网络学习方法不同，实现了结构风险最小化原理 ( s r m ) ，它同时最小化经验风险与v c 维的界，这就取得了较小的实际风险，即对未来样本 有较好的泛化性能。s v m 的另一个优点是它的训练等价于解决一个线性约束的二次规划问 题，存在唯一解，解中只有一部分不为零，对应的样本就是支持向量。 1 3 本论文的内容安排 第一章绪论，主要介绍了心音自动分析的研究内容和意义，并对目前应用在心音信号 处理进行了总结。 第二章介绍心音基础知识，其中包括心音的发生机理，心音主要成分及心音时域、频 域特性，最后介绍了本文设计的心音采集方法， 第三章首先简单介绍了小波变换基础，其次对小波阈值去噪方法的阈值函数进行改进 提出了双变量阈值函数去噪方法，并通过实验对比证明其有效性。 第四章围绕心音自动分段展开，通过对目前心音分段方法的分析，提出了一种新的心 音分段流程以及方法，即首先对心音滤波与小波阈值消噪进行预处理，然后通过改进的 e m d 包络算法提取心音的包络线，最后应用一些分段策略对心音进行分段。 第五章介绍了希尔伯特黄变换( h h t ) 原理以及其算法的实现过程，并用h h t 对 心音进行分析，最后对心音提取特征，为心音识别做准备。 第六章介绍支持向量机二类以及多类分类原理，并用其对心音做分类识别。 第七章对全文进行了总结，并对未来心音信号处理工作做了展望。 下图1 - 1 是本文整体设计思路框图。 6 五邑人学侦f j 学位论文 心爵采集 心膏倾处理 ，c 、哿分；瞧心音分析 支持向盈机 图卜1 整体思路框图 7 分段处理 1 特征提取 五邑人学侦f j 学位论义 第二章心音信号相关基础知识 心音( h e a r ts o u n d ) 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，也可 用换能器等仪器记录心音的机械振动，称为心音图。心音信号包含心脏各部分如 心房心室、大血管、心血管及各个瓣膜功能状态的大量的病理信息，能够反映心 脏活动及血液流动的状况。当心血管疾病在导致心电图e c g 出现异常前，心音中 出现的杂音和畸变就是重要的诊断信息。因此，心音信号具有心电图不可取代的优 势，在心血管疾病中具有重要价值，是心血管疾病无创性检测的重要方法。 2 1 心音发生机理 正常心音的发生机理及特点： 第一心音：第一心音产生，一是由于心室收缩时，血流急速冲击房室瓣而折 返所引起的心室壁振动；二是由于房室瓣关闭、瓣膜叶片与腱索紧张等引起的 振动；三是血液自心室射出撞击主动脉壁和肺动脉壁引起的振动。心室收缩力 愈强，第一心音愈响。第一心音发生在心缩期，标志着心脏收缩的开始。第一心 音音调低钝，听起来似“l e ( 勒) 声，较响亮，在心尖部较第二心音响高5 0 ， 在心底部与第二心音相等或低于第二心音。历时较长，一般为o 卜0 1 6 s ，在心尖 区和心尖区与胸骨左缘之间听诊最响。 第二心音：主要是心室舒张开始时肺动脉瓣和主动脉瓣关闭的振动所致。此外， 心室肌的弛张、大血管内血流以及二尖瓣、三尖瓣开放等所产生的振动，亦参与第 - - , 5 , 音的形成。第二心音发生在心舒期，标志着心室舒张的开始。第二心音音调较 高、清脆，听起来似“d e ( 得) 声，其强度不如第一心音，时间较第一心音短， 一般为0 0 8 0 1 2 s 。在主动脉瓣区和肺动脉瓣区最响，直取卧位听诊。小儿及青 年人，肺动脉瓣区较主动脉瓣区第- - , 5 , 音响，中年人两者相等，老年人则相反。 第三心音：有时在第二心音开始后0 1 2 - 0 1 8 s 还可听到短而弱的声音，称为 第三心音。它是在心室舒张早期，随着房室瓣的开放，心房的血液快速流入心 室，引起心室壁和腱索的振动而产生。第三心音音调低沉、音弱、钝而重浊，听 诊时呈“d e ( 勒) - - d e ( 得) - - h e ( 合) l e d e h e 声，似是第二心音的回声。 8 五邑人学倾f j 学位论文 历时很短，一般为0 0 3 0 0 8 s 。可在大部分儿章及约半数的青年人听到，不一定 表示异常。 ， 第四心音：发生在舒张晚期，于第一心音丌始前o 0 7 0 1 0 s ，它是由于心房 收缩，血流快速充盈心室所引起的振动，又称心房音。大多数健康成年人可在 心音图上记录到低小的第四心音。此音很弱，在正常情况下，一般听不到。 除上述四个心音外，在某些情况下，心音中还会出现心杂音( m u n n u r ) 和心音 分裂以及附加音。心杂音一般是由瓣膜狭窄或关闭不全等原因导致血液动力学发生 改变，使得血液在心脏或大血管内引起湍流而产生的声音。它可以分为：舒张期狭 窄性杂音、舒张期返流性杂音、收缩期返流性杂音、收缩期喷射性杂音和连续性杂 音。不同类型的心杂音具有不同的临床意义，通过对它进行分析，可以对心血管状 况做出初步的评价。心音分裂包含第一心音分裂和第- - , b 音分裂，第一心音分裂主 要是由于左右心室收缩期不完全同步造成的：第二心音分裂主要是由于左右心室舒 张期不完全同步造成的。但比较常见的是第- - , l , 音分裂，其分裂为两个主要成分： 主动脉瓣第- - , b 音( a 2 ) 和肺动脉瓣第二心音( p 2 ) ，这两个成分在第二心音中的强 度关系和时间关系在心音疾病诊断中具有重要的参考作用。附加音按其在心动周期 中出现的时间可以分为收缩期附加音和舒张期附加音。收缩期附加音常见的有收缩 早期喷射音和收缩中晚期喀喇音：舒张期的附加音主要有舒张早期奔马律、收缩期 前奔马律、开瓣音、病理第三心音、心房音和心包叩击音等。 第一二心音的区别： j 下确地区别第一心音和第- - , b 音是听诊最重要的一环。因为只有先将第- - , b 音 与第- - , b 音区别开来，才能准确地判定心室的收缩期和舒张期，进而确定异常心音 或杂音是在收缩期还是在舒张期及其与第一心音或第二心音之间的时间关系。两者 的区别：第一心音音调较低，时间较长以心尖部最响；第- - , b 音音调较高，时间 较短，以心底部最响第一心音与第二心音的间隔较短，而第- - , b 音与下一个心动 周期第一心音的间隔较长。第一心音与心尖搏动同时出现而颈动脉搏动也几乎同 时出现，第二心音则出现于心尖搏动之后。移动法，在心尖部不能判断第- - , b 音 和第二心音时，可先在心底部进行听诊确定第- - , b 音和第二心音，然后将听诊器体 件逐渐移向心尖部按照此规律把心尖部第一心音和第二心音区别开来。 综上所述，可以将心音的发生机理归纳如下：心脏的瓣膜和大血管在血流冲击 下形成的振动，以及心脏内血流的加速与涡流及其对心脏瓣膜、心房、室壁的作用 9 五邑人学帧i ：学位论文 所产生的振动，再加上心肌在周期性的心电作用下其刚性的迅速增加和减小形成的 振动，经过心胸传导系统到达胸壁形成体表心音。 2 2 心音的主要成分和时域特性 如2 1 节所述，正常心脏有四个心音：第一( s 1 ) 、第二( s 2 ) 、第三( s 3 ) 、第四 ( s 4 ) 心音，但多数情况下只能听到第一和第二心音。图2 1 给出了正常心音的时域 波形图，从图上可以比较直观地看出心音的主要成分和时域特性。第一心音的出现 标志着心室收缩期的丌始：第二心音的出现标志心室舒张期的开始。从出现第一心 音到出现第二心音的期间定义为心室收缩期：从出现第二心音到下一心动周期中出 现第一心音的期间定义为心室舒张期。相邻的收缩期和舒张期合起来形成一个完整 的心动周期，成为分析心脏功能状况的基本单元。在一个心动期中，心音的主要成 分为：第一心音、收缩期、第- - , c , 音、舒张期，通过它们可以完整的表述出心音的 时间特性。 图2 一l 正常心晋的时域波形图 在心音识别和心音诊断中，正确定位心音各个成分之间的时间关系具有十分重 要的作用。为了方便叙述和定量地分析心音，定义以下几个心音信号时域属性： s l 时限：指第一心音的持续时间； s 2 时限：指第二心音的持续时间； s 1 s 2 间期：指当前心动周期中第一心音到第二心音之间的时问问隔； $ 2 s 1 问期：指当前心动周期的第二心音到下一心动周期的第一心音之问的时 间间隔。 在心音分析中，s 1 s 2 间期和$ 2 s 1 间期对s 1 、s 2 的定位是非常重要的，而 s 1 时限和s 2 时限对确定心音的类型同样是非常重要的。随年龄的不同，心音的 l o 五邑人学坝? i ：学位论文 时限与间期有所不同，一般来说，s 1 时限在7 0 1 5 0 m s 之间，s 2 时限在6 0 1 2 0 m s 之问。心脏的收缩和舒张是由窦房结产生兴奋传向心肌细胞而控制的。对于一般人 来讲，正常情况下心脏的收缩期短于舒张期，在心音图上表现为s 1 s 2 间期小于$ 2 s 1 间期。成年人的平均心率为7 5 谢分，心动周期约为0 z s ( 秒) ，其中收缩期占o 3 s ， 舒张期占0 5 s ，s 1 s 2 间期与$ 2 s 1 间期的比例大概是1 ：2 。但也有少数病理情况下， 一t l , 脏的收缩期和舒张期大致相等，在听诊上称为钟摆率，如心房扑动，其收缩期和 舒张期几乎相等。除了时间特性，从心音的时域波形图上还可以了解到一些有关心 音强度的信息。一般来说，在一个心动周期内，心音幅值最高的地方不是s 1 ，就 是s 2 ，并且s 1 、s 2 的幅值也与听诊的部位有很大的关系。对于正常人来讲，往往 在心尖部听到的第一心音强于第二心音，而在心底部听到的第二心音强于第一心 音。在临床上，一般将听诊部位分为五个听诊区，即：主动脉瓣听诊区、肺动脉瓣 听诊区、心前区、二尖瓣听诊区、三尖瓣听诊区。如图2 - 2 所示。其中二尖瓣听诊 区位于心尖，是心脏听诊区心跳声最响的位置，可以高质量地采集心音信号，所以 本文选择“二尖瓣听诊区作为听诊区。 2 3 心音的频域特性 图2 - 2 人体心音听诊部位 在人耳听诊时，s l 、s 2 等心音的出现顺序、时间间隔可以为我们提供识别心 音的线索，同时各心音成分的频率也能帮助我们确定心音的成分、性质，在仅靠心 音的时域特征不能很好定位心音的成分时，对心音频率的分析显得更重要。 通常心音的频域范围在1 0 h z - 1 0 0 0 h z 之间。第一心音音调低，持续时间长，主 要分布在中、低频范围。其波峰的低频范围为1 0 h z 5 0 h z ，中频范围为5 0 h z - 1 4 0 h z 。 第二心音持续时间较短，频率较高，在低、高频率范围内都有分布。其波峰的低频 五邑入学颂l ：学位论j f = 范围为1 0 h z 8 0 h z ，中频范围为8 0 h z 2 0 0 h z ，高频范围为2 2 0 h z - 4 0 0 h z 。对于同 一个受试者，在心尖部，其第心音强于第二心音，即第一心音频率大于第二心音 频率：而在心底部听到的第一心音音调较低，第二心音的音调较高，较清脆，即第 一心音频率小于第二心音频率。 对于心杂音而言，其频率更是一个重要的参数。一般情况下，心杂音的频率 高于第一心音和第二心音的频率。在听诊中常常按杂音的频率组成性质将杂音描述 为雷鸣样、隆隆样、叹气样、吹风样、乐音样等。隆隆样杂音的频率多数较低，其 频率为4 0 h z - 1 0 0 h z ，而吹风样、乐音样等杂音频率则较高，频率在1 0 0 h z - 4 0 0 h z ， 甚至有6 0 0 h z 一8 0 0 h z 的高频成分，个别病例可高达1 0 0 0 h z 。因此，一般认为心杂 音的频率范围为3 0 h z 1 0 0 0 h z 。 2 4 心音采集系统 外国心音数据通常是由3 ml i t t m a n n 电子听诊器【5 8 1 或西门子e m t 2 5 c 采集的数 据，这些听诊器功能很强，价格也很贵。我们自行设计了一个心音采集系统，具有 成本低、使用方便的特点。 本文的心音采集系统包括：硬件、软件两部分。 ( 1 ) 硬件部分 需要提供一台相当c 41 7 3 g h zc p u 、 5 1 2 m 内存或同等配置的主机以外，还 需要一个1 6 位以上声卡。同时还需要配合一个简单的外部设备，如图2 3 所示， 采用的是一个鱼跃牌医疗听诊器加一个小型麦克风制作而成的简易听筒，该设备成 本只需要人民币￥2 0 元。 软件的使用之前，需要将听诊器插入声卡中，调试声音采集是否正常。然后， 安装“数字心音听诊器”，并运行该软件，便能进行心音听诊分析。 1 2 五邑j 、学m1 学位论文 ( 2 ) 软件部分 幽2 - 3 心音听诊器的外观 m a t l a b 是集数值计算、符号运算及图形处理等强大功能于一体的科学计 算语言。m a t l a b 的数据采集工具箱可以实现信号的获取。 数据采集工具箱的主要特征是： l 提供了将实时测量数据从数据采集硬件采集到m a t l a b 中的架构。 2 支持模拟量输入( a i ) 、模拟量输出( a o ) 以及数字量i o 子系统，包 括模拟量i o 实时转换。 3 支持下列通用硬件设备 基于研华设备管理器的研华工控板： 采用d r i v e r l i n x 驱动的k e i t h l e y 模件； 测量与处理模件： 计算机并行口l p t l l p t 3 ； 声卡 图2 - 4 应用m a t l a b 编写的采集心音界面 五邑人学愤l 。学位论上 25 小结 圈2 4 心音采集界面 本章主要介绍了心音信号的发生机理、主要成分以及时频特性。心音信号反 映了心脏及心血管系统的生理病理特征。从心音的发生机理可以看出。由于受生理、 病理或自然环境的影响，心音中包括由湍流与涡流形成的振动。而湍流本身就是一 种混沌，这就表明心音信号中存在着产生混沌的机制。另外，心音信号所具有的时 频特性为心音的分析与识别提供了条件，但由于受生理、病理或自然环境的影响， 心音信号通常具有非平稳的时变特性，从而使心音的分析与识别增加了难度。 五邑人学坝l j 学位论文 第三章小波阈值消噪理论及算法 在工程或实验中得到的信号常常被噪声污染，而噪声的存在会减低分析的精度 和准确度，因此需要消噪。传统的消噪方法主要包括线性滤波方法和非线性滤波方 法，如低通、高通滤波、w i e n e r 滤波、k a l m a n 滤波、自适应滤波中值滤波等等， 传统的低通、高通滤波以及w i e n e r 滤波、k a l m a n 滤波、自适应滤波都属于线性滤 波，在消除噪声的同时，往往会造成信号奇异点的改变或信号边缘的模糊。作为非 线性滤波的中值滤波能够保持信号的边缘，但是由于理论分析上的复杂性，至今还 有一些问题需要解决。同时传统的滤波方法的不足在于使信号变换后的熵增高，无 法刻画信号的非平稳特性并且无法得到信号的相