首页 > 文献资料
-
一种循环频率域内的心音包络合成方法
在循环频率域内分析心音的特性,提出一种新的心音包络合成方法.采用循环统计量,研究心音的循环平稳特性,把心音包络表示为循环频率的线性和,线性系数由循环谱估计.以心音分裂为例,进行包络提取仿真.在加性高斯白噪声和随机干扰环境下,对各种包络提取方法进行对比分析.仿真结果表明,心音包络可以在循环频率域内合成.心音具有显著的循环平稳特征,心音包络可以表示成循环频率的线性和.所提出的方法不仅对心音包络的合成与分解给出物理解释,而且具有一定的抗噪声和抗干扰能力.
-
心音图自动识别算法的设计研究
目的:开发出实现心音自识别的算法.方法:采用Matlab平台设计,通过小波分解、短时平均能量等方法获取心音包络,并对所取得的包络进行双阈值定位,找出心音特征点,并计算相关参数.结果:算法可以获取平滑的心音包络,并由此进行高精度的心音定位,获取心音持续时间,计算心率、心音时限比等参数.结论:算法可实现对心音的自动定量分析,相比于传统心音听诊,具有可观性强、频带宽等特点,并可记录患者的病理特征,通过治疗前后的对比为诊疗过程提供评估依据.
-
心音图自动识别算法的设计研究
目的:开发出实现心音自识别的算法,通过该算法对输入的心音信号进行识别、降噪、包络提取及定位等系列操作,获得真实平滑的心音包络曲线,并在曲线上定位第一心音、第二心音等心音参数.方法:采用Matlab平台设计,对模拟心音信号进行重采样后,通过高通滤波进行信号的降噪,使用小波分解等方法获取平滑且不失真的心音包络曲线,并对所得包络曲线进行双阈值定位,找出心音特征点,并计算相关参数.结果:算法可以获取平滑的心音包络,包络线能真实反映心音的情况,并可由此进行高精度的心音定位,获取第一、第二心音的持续时间,计算心率、心音时限比等参数,为医生的心音诊断提供依据.结论:算法可实现对心音的自动定量分析,并通过阈值降噪等方法减少识别误差.相比于传统心音听诊,具有可观性强,频带宽等特点,并可记录患者的病理特征,通过治疗前后的对比为诊疗过程提供评估依据,相较于传统的心音听诊,算法的引入能够降低医生主观因素带来的诊断误差,使诊断结果客观可靠.
-
一种新的HHT在心音包络提取中的应用
目的:心音包络比原始心音可以更好地显示心音的特征,是进行心音识别的基础.希尔伯特-黄变换(HHT)是一种提取心音包络的有效方法,它首先利用经验模态分解算法提取心音信号的固有模态函数,然后利用希尔伯特变换提取心音包络.常规的希尔波特-黄变换在分解过程中会引起端点效应和过冲等问题.方法:本文提出了一种基于改进型希尔伯特-黄变换的心音包络提取新方法.结果:该方法首先采用包络线性延拓法抑制端点飞翼问题,然后采用三次贝塞尔分段插值算法替代原始经验模态分解算法中的三次样条插值算法减小分解过程中的误差.结论:仿真实验和实际采集的心音信号实验证明了该方法的有效性.
-
基于希尔伯特-黄变换的心音包络提取在LabVIEW上的实现
研究基于希尔伯特黄变换(HHT)的心音包络提取系统在LabVIEW上的完整实现.首先使用声卡采集心音信号,并在LabVIEW上实现了完整的基于HHT的心音采集、预处理和包络提取功能的系统程序,后使用案例证明了该系统能够简便地实现心音信号采集、预处理和包络提取.该系统较好地保留和显示了心音包络特征,并且其程序和方法对振动、语音等的研究有重要的参考价值.
-
用于心力变化趋势评价的基于概率神经网络的心音识别算法
讨论了用于评估心力变化趋势的心音识别算法,包含了对不同运动条件下记录的心音样本的识别.尤其是讨论了对剧烈运动负荷后记录的心音进行的识别.提出的算法包括两个相互联系的方法.第一个是基于概率神经网络的算法,用于识别静息状态和轻微运动状态;第二个是基于心音本身特点的算法,用于对剧烈运动(本研究中约定的全运动量)后心音的识别.后,使用该算法对45个在静息状态和轻微运动(1/4运动量)状态下记录的正常和异常心音的样本,以及28个剧烈运动后记录的心音样本进行了识别.结果表明94%的样本可被正确识别和分类.这个识别算法为后续的心音分析研究提供了可靠基础.
-
基于数学形态学的心音信号识别方法
为实现对第一心音(S1)和第二心音(S2)的自动识别提出了一种新方法.首先对原始心音信号进行预处理;然后利用数学形态学方法提取心音信号的包络;后使用差分法并结合心音的医学知识对其进行识别.利用该方法对80例心音信号进行了分析测试,结果显示对S1与S2识别的准确率达到了86%,其中对于正常心音信号的识别准确率达到了100%.试验结果表明,文中提出的方法对S1与S2的识别准确率较高,为进一步的心音信号分析奠定了良好的基础.
