EMD算法分析心音信号.docVIP

心音信号的EMD算法分析 摘要：一个新的无心电图参考的无监督、低复杂度的检测S1和S2心音成分的方法被提出。该心音分割算法将心音信号分为四个部分：第一心音，收缩期期，第二心音和舒张期。该算法使用经验模式分解（EMD）在时间域产生心音的强度包络。所提出的算法的性能已使用100个数字心音记录包括正常和异常心音的14000个心脏周期评估。该算法已显示出超过90%的正确率。 关键词：心音描记法，听诊，第一心音，第二心音，收缩期，舒张期杂音，经验模式分解，分割。 一 引言 心血管系统造成的杂音和畸变的许多病理条件听起来多比之前他们反映的其他症状多，如心电图（ECG）信号的变化[ 1 ]。虽然心电图和超声检查广泛用于心血管病的防治诊断，首先由医生进行了听诊心脏声音分析的老年艺术来评价心脏的功能状态。然而，诊断很少单独基于听诊，由于该听诊是主观的而且高度依赖于解释器的技能的事实。然而普通医生还是要采用有效和客观的??手段做一个简单的初步检查，在疑似病人可能被送到心脏科医生作进一步检查之前。 听诊观察者试图分开听和分析心音，然后合成心脏功能。一个心动周期中，应该确定的重要组成部分是：在第一心脏声音（S1），收缩期期间，第二心脏声音（S2），和舒张期在这个序列中的时间。重要特征应该被量化，包括节律、定时时刻和心脏声音分量的相对强度，S2的分裂，杂音或其他额外的声音的存在以及杂音或其他额外的声音的时间、强度和质量。虽然不同声音定性描述很多是可用的，但是仅通过听去量化其性能是很困难的。有人可能会得出这样的结论：客观有效的基于心音成分的定量特征可用于做出可靠的诊断。 心音分割算法在文献中大致可分为两种主要的方法：需要参照心电图同步分割和不需要这样的。后者可以进一步分为有监督和无监督的方法。有心电图参考的方法，首先分别检测QRS波和T波以定位SI段和S2段[2]。低质量的心电信号中，T波并不总是清晰可见。在这种情况下，S2的声音可以通过非监督分类[ 3分]。为了避免数据采集时额外的硬件要求和繁杂的接线安排，许多研究者试图通过几种信号处理和统计信息的方法找出S1 S2，而不用心电图作为参考。在这种情况下，已经提出了一些监管技术，如人工神经网络[4]和决策树[5]。另一类方法涉及如envelogram的无监督的方法[6]，频谱量化方法[7]，以及使用梅尔频率倒谱系数的自组织映射[8]。据观察，在实践中这些方法并不适用于所有类型的心音（如严重的杂音情况下）。众所周知，关于人工瓣膜产生的心音的分割，这些声音是取决于几个因素，如手术方法，植入的位置和人工瓣膜类型。?在实践中，上述的方法不能提供所需的不变性，为了能够适用于各种心脏瓣膜植入患者。 在当前国家的最先进的心脏声音的分割算法应用的最可靠的和不变的特点是含蓄的或明确的S1-S2间隔规律。 在本文中，针对S1和S2心音检测，提出了不依赖于心电图参考或病人的任何其他先验信息的新颖方法。 在该算法中，利用EMD算法将PCG信号分解为一些特定的功能，称为基本模式分量函数（IMF），提取一些PCG信号基本特征。 首先，运用EMD的IMF分量的包络将所有可用的心音分割成声音裂片，然后，划分S1 S2心音在每个心脏周期，通过检查两个音段之间的最近间隔为收缩间期（S1-S2期）。本文的结构如下：在第2节介绍了S1和S2了心音检测方法。第3部分和第4部分对结果进行讨论，最后在第5部分指出一些主要结论。 二、方法 A．数据收集 2010年至2011年，我们在德黑兰Modares医院的儿科门诊收集的心音。数据是从共100例，其中8例正常，年龄是1~26岁。报告出版和相应的图像的书面知情同意书从患者处获得。同意书的副本可供本期刊的首席主编审查。病人（除正常对照组）有心脏杂音历史，其中包括30例室间隔缺损（VSD），12例房间隔缺损（ASD），6例同时有ASD、VSD?，12例法洛四联症（TOF），6例肺动脉瓣狭窄（PS），34其他种类的疾病。在所有的情况下，经超声心动图诊断，一些病例的病史、诊断结果总结于表1。 数目 病人年龄 病人体重 心脏病 案例1 6 35 室间隔缺损 案例2 7 19 房间隔缺损 案例3 9 24 法洛四联症 案例4 12 26 肺动脉瓣狭窄 案例5 5 14 动脉导管未闭 案例6 13 35 主动脉瓣狭窄 案例7 24 85 健康 表1 一些研究患者的心音记录 B.预处理 电子听诊器记录的心音信号通常包含高频率噪声，因此，预处理是必不可少的。先滤波进行信号消噪，其次是归一化和分割。具体步骤如下： 滤波：由于心音信号主要是小于800?Hz，应用数字有限脉冲响应（FIR）设计巴特沃斯低通滤波器。 归一化：不同心音信号的振幅均归一化和限制在[-1 1]这个尺度。 归一