共查询到20条相似文献,搜索用时 125 毫秒
1.
2.
心音是人体的一种重要的生理信号,它含有大量关于心脏病理状况的相关信息,反映了心脏及心血管结构及生理和病理信息。针对能否有效地提取第一心音(S1)、第二心音(S2),从而判断心脏是否病变,并且作为后续研究的基础,提出基于HHT和PPA的心音分段算法,包括首先利用希尔伯特-黄变换(HHT)进行心音包络的提取,然后利用中值滤波对包络进行平滑处理,最后通过峰逐层算法(PPA)来消除多余的低幅度峰值。通过对40例心音进行分段处理,可以对其中的39例进行正确分段。结果证明这种方法可以有效地提取心音信号的S1、S2,为后期的识别研究奠定了良好的基础。 相似文献
3.
4.
5.
6.
7.
为了帮助初学者从"听"和"视"两个方面来学习和掌握不同心音的特点,设计了一种可视化心音诊断教学系统。系统首先将读入的信号利用fir滤波器进行滤波处理,之后采用S变换提取信号包络,并分别从ARMA双谱分析、CWD分布两个不同方面进行分析,来提供心音信号的时频特征。以Delphi为开发平台,结合第三方组件DewLab Studio、AudioLab、PlotLab以及Python语言进行系统开发。与传统的以"听"为主的心音教学方法相比,系统从可视、可听两个方面进行教学,提高教学效果。 相似文献
8.
提出了一种基于心音特征分析的汽车主动安全技术,探讨利用心音信号对驾驶员现场健康状况进行监测的可行性和具体实施方法.首先分析了心音信号与汽车背景噪声的特点,提出了汽车环境中的心音信号模型,据此设计出一种汽车主动安全的汽车心音采集装置,然后给出了一种基于独立子波函数的心音信号分类识别方法.讨论了心音独立子波函数的构成准则,获取心音独立子波函数的算法,以及如何将心音独立子波函数作为一种新的统计特征参数,并且给出了一种心音确定度的新概念.最后通过一个实际的心音采集与分类识别实验,验证了本文方法的有效性和可行性. 相似文献
9.
提出了一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使包络更加平滑,分段更加准确。针对希尔伯特包络不平滑的问题,提出一种希尔伯特黄变换(HHT)与香农能量相结合的包络提取方法,使得所得包络更加平滑;针对经验模态分解(EMD)时采用三次样条插值而造成的端点效应问题,采用镜像闭合端点延拓方法予以解决。实验表明使用提出的新方法可以得到更好的结果。最后对心音信号进行包括心率、S1/S2和D/S在内的医学指标的提取和分析,这为临床上评估心脏储备提供了便利。 相似文献
10.
基于Hilbert-Huang Transform的心音信号谱分析 总被引:8,自引:1,他引:7
心音信号是一种典型的非平稳信号,传统信号处理方法的应用受到很大限制.针对此本文提出了基于Hilbert-Huang Transform(HHT) 的心音信号的分析方法,对冠心病患者的心音信号进行了分析.通过把心音信号分解为内蕴模式函数,利用Hilbert变换建立了心音信号的时间-频率-能量三维Hilbert谱分布以及边界谱分布;Hilbert谱及其边界谱在时域以及频域以较高的分辨率表征了心音信号的时频变化特性,揭示了冠心病患者心音信号的病理特征;为冠心病的早期无损诊断奠定了坚实基础,临床实践中有较大的指导价值. 相似文献
11.
根据心音信号自身的特点,结合经验模式分解,提出了一种从心音信号中提取医学指标的方法。对心音信号进行预处理,然后对预处理后的信号采用黄变换,获取各阶固有模态函数(IMFs),从中选取第一和第二阶IMF进行希尔伯特变换,得到心音的包络。利用双阈值法,并给出具体的阈值,实现了对第一心音(S1)和第二心音(S2)的定位,从心音信号中获取了心率S1和S2的幅值比(S1/S2)以及舒张期和收缩期的时限比(D/S),为临床上评估心脏储备提供了便利。 相似文献
12.
采用计算机来分析心音信号引起了越来越多的研究人员的关注,但是,心音信号在采集过程中常常会受到各种噪声的干扰,如何评价心音信号受噪声影响的程度就成为一个重要的问题。提出了一种基于循环平稳特性的心音信号噪声评价指标--质量因子,它能够准确地、定量地评估心音信号的噪声情况,即质量因子越大,信号受噪声的影响越小。如果实际采集的心音信号比较长,那么计算整个信号的质量因子,把质量因子最大的那一段心音信号取出来进行处理,这样可以大大减少去除噪声等预处理过程,节省了计算量和时间。所提出来的质量因子,对于正常和异常心音信号都适用,计算机完全可以自动计算,无需人工干预。 相似文献
13.
14.
文中研究心音身份识别的基本原理和实现方法.首先分析心音信号的特性和作为生物识别的可行性;然后建立基于心音子波族的心音信号合成模型,并且用特征向量分布相图形象地比较两个心音的特征,用倒谱减法消除听诊器的类型和位置变化所产生的影响;最后,采用心音线性频带倒谱(HS-LBFC)提取心音特征参数,用相似距离等实现心音的身份识别.为了突出心音在时、频域上存在的差异,重点研究了构建心音子波的方法,合成模型中各参数的计算方法,以及心音特征参数的确定和对应的数据处理技术.实际实验结果表明,该方法具有很好的识别率和实用性. 相似文献
15.
16.
17.
分析了心音信号的产生机理、信号成分及心音的临床诊断价值。根据人体心音信号噪声强、信号弱、随机性强、容易受到外界干扰等特点,设计了基于DSP的心音信号数字检测系统,该系统由心音传感器、放大电路、滤波电路、A/D转换和DSP等部分组成;使用该系统先后在多家医院进行了临床心音信号采集,300多例心音样本采集实验表明,本系统可实现对微弱心音数据的实时采集、放大与有效滤波,采集系统可以满足对心音信号的检测要求。 相似文献
18.
基于广义指数分布的心音信号时频特性分析 总被引:1,自引:0,他引:1
利用广义指数分布方法对正常和异常第二心音信号进行时频分析,所得时频分布图清楚地描述了心音在时频域的动态变化特性,对于揭示心脏及心血管系统的生理、病理具有积极的作用,在理论研究和临床诊断中有一定的实用价值。 相似文献
19.
小波阈值去噪方法可以消除心音信号中的噪声,但其缺乏平移不变性,可能在信号的奇异点附近产生人为的振荡现象,即Pesudo-Gibbs现象,影响去噪效果。采用平移不变(Translation Invariance,TI)小波阈值去噪的方法对心音信号进行去噪,通过对信号序列平移来改变奇异点在整段信号的位置,以降低或消除振荡。对信号采用平移不变小波去噪之前,先通过消除趋势项来降低信号采集过程中引入的干扰。实验结果表明,该方法消除了人为振荡现象,在保留心音信号主要特征的前提下,信号的信噪比(Signal-to-Noise Ratio,SNR)和根均方误差(Root Mean Square Error,RMSE)均得到明显改善。 相似文献
20.
通过分析心音信号对心脏早期的病理状态进行确诊具有重要的意义。提出了一种基于深度卷积神经网络的心音分类方法。将心音信号转化成具有时频特性的梅尔频谱系数(Mel Frequency Spectral Coefficient,MFSC)特征图,将其作为深度卷积神经网络模型的输入;利用深度卷积神经网络对MFSC特征图进行训练,引入中心损失函数建立最优的深度学习模型;测试阶段,先将心音信号转换成多张二维MFSC特征图,然后利用训练好的深度学习模型对其分类,最后利用多数表决原则判断心音信号的类别。针对人工标注的训练样本有限,导致模型训练正确率不高的问题,以心音的二维MFSC特征图为对象分别从时间域和频率域进行随机屏蔽处理进而扩充训练样本。实验结果表明,该方法在PASCAL心音数据集上进行测试,对正常、杂音、早搏三种心音的分类性能明显优于现有最好的方法。 相似文献