基于Hilbert-Huang Transform的心音信号谱分析

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.     

基于Hilbert2Huang Transform 的心音信号谱分析

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。     

基于心音传感阵列ICA 信号处理的冠心病诊断的研究

通过研究冠脉血流动力学和心脏心音产生的机理，首次提出了将独立分量分析（ICA）方法应用于心音信号处理并达到自动检测冠心病的目的。在本系统中，信号采集系统采用了高灵敏度传感器列阵对正常人及冠心病患者胸部的多个部位进行检测。经预处理后的信号最后通过计算机进行数据采集。应用独立分量分析的方法将心脏舒张期的心音信号进行分离，并将各心音分量的统计特征参数作为输入参量输入到径向其函数网络（RBF网络）进行训练和识别。实验结果说明，独立分量分析结合人工神经网络的心音信号的分析方法是一种较为有效的诊断冠状动脉疾病的无创伤方法。     

基于小波分析和概率神经网络的心音诊断研究

心音对大多数心血管疾病具有极高的临床诊断价值,对心音信号进行分析有助于临床上对心脏疾病的诊断。为了利用计算机智能分析心音信号,提出利用多尺度小波分解消除信号中的噪声,从各频带提取特征值,用概率神经网络（PNN）来进行心音信号的自动分析诊断。用Matlab仿真的方法测试了5种不同类型心音信号的分类情况,结果表明该方法可行。     

基于DSP的数字心音信号检测系统设计

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。     

高阶统计量在心音信号检测与分析中的应用

介绍一种心音信号检测系统和采用高阶统计量对信号进行分析的方法，首先根据心音信号的特点，讨论了信号检测系统的结构，在信号处理方面，采用现代谱估计方法对心音信号进行谱分析，在此基础上提出应用双谱技术分析心音信号，检测信号的相位耦合信息，进而说明利用高阶统计量能够在高斯噪声背景下大大提高信号检测能力，最后，给出心音信号的双谱估计结果，从中可以得到一般功率谱分析无法得到的有关信息，为心音信号的自动分类提供     

定量递归分析和近似熵在心音分类识别中的应用

为了有效利用心音信号的非线性特征信息对心音信号进行分类识别,提出一种基于定量递归分析和近似熵的心音特征提取方法.首先利用递归图对心音信号进行定性分析;然后,定量提取心音的非线性特征参数:递归率、确定率、近似熵构成特征矢量;最后将特征矢量输入二叉树支持向量机,对采集到的正常以及5类心脏瓣膜性心音信号进行分类识别.对于文中提取的非线性特征参数,通过统计学分析证明了其有效性.结果表明,该方法能有效识别心音信号.     

基于支持向量机的心音信号自动识别

心音信号识别对心血管疾病的诊断具有重要意义,为了提高心音信号的识别性能,提出一种基于支持向量机的心音信号自动识别方法。首先采用小波分析对心音信号进行降噪预处理,然后提取心音信号的Mel频率倒谱系数作为心音信号特征,最后采用支持向量机建立心音信号分类器,对采集心音信号数据的识别性能进行验证。实验结果表明,本文方法的心音信号平均识别率高达93%以上,可以准确识别正常和各种异常的心音信号。      

基于高阶统计量的心音信号分析

对高阶统计量方法应用于心音信号分析进行了研究。建立了心音信号的AR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对心音信号进行了二类模式识别。实验结果表明,高阶统计量在心音信号分析和处理中具有较大的应用潜力。     

基于概率分布的符号熵在心音分析中的应用

心音信号是一种重要的人体生理信号,蕴含大量生理、病理信息。根 据心音的特性提出了一种基于概率分布的符号熵算法,该算法突破传统均匀符号化的线性约 束,一方面在第一心音幅值分布密集区域分配较多的符号,在稀疏区域分配较少的符号,减 小数据冗余;另一方面在符号化过程中采用自适应方法决定符号集的大小,使得符号熵对心 音数据的变化更加敏感,能够快速、灵敏捕捉心音信号中的非线性异常状态。由此不但可消 除非平稳突变干扰和序列概率分布对熵值的影响,还能够自适应符号化。仿真实验结果表明 ,该 算法具有显著的可行性和有效性,并且为心衰的无损快速诊断提供了一种新的思路。     

基于支持向量机的冠心病辅助诊断研究

支持向量机(SVM)是在统计学习理论基础上发展而来的一种新的通用学习方法,较好地解决了有限样本的学习分类问题。用支持向量机的分类算法,选取不同的核函数,构造了支持向量机的不同分类器,并将其应用于冠心病的预测诊断。仿真结果表明,非线性的支持向量机取得了较高的准确率,支持向量机在早期冠心病的诊断中有很大的应用潜力。     

基于数据挖掘的冠心病病因规律分析研究

冠心病已经逐渐成为当今威胁人类身体健康的三大疾病之一。如何科学、准确地提供冠心病及时预防、治疗方案,降低发病率,在冠心病诊断领域变得尤为迫切。利用当今流行的数据挖掘技术,对在诊治冠心病的临床中积累的大量临床信息资料进行科学提炼有用信息,分析挖掘冠心病的诊疗临床规律,从而达到辨证施治的目的。     

冠心病介入治疗虚拟仿真操作训练系统的设计

冠心病的介入治疗效果明显、创伤小和恢复快,但在目前临床上专科医师模拟训练和医学专业实践教学中无实践对象,同时也容易受到辐射危害。现利用计算机等仿真技术开发一款冠心病介入治疗虚拟仿真操作训练系统,核心技术主要包括冠心病介入治疗设备基本单元、透明人体血管模型、无辐射仿DSA成像系统、三维动画学习软件等。操作者能够完全还原冠心病介入治疗中各种操作流程、技巧和手法,而且无X线辐射,安全可靠;创造性的利用自主研发的透明人体模型反复进行操作训练,经实验测试后可在医学生实践教学中直接得到推广运用,填补了本领域无实验设备和受试对象的空白。     

Applying an ensemble convolutional neural network with Savitzky–Golay filter to construct a phonocardiogram prediction model

Coronary artery disease is a common chronic disease, also known as ischemic heart disease, which is a cardiac dysfunction caused by the insufficient blood supply to the heart and kills countless people every year. In recent years, coronary artery disease ranks first among the world’s top ten causes of death. Cardiac auscultation is still an important examination for diagnosing heart diseases. Many heart diseases can be diagnosed effectively by auscultation. However, cardiac auscultation relies on the subjective experience of physicians. To provide an objective diagnostic means and assist physicians in the diagnosis of heart sounds at a clinic, this study uses phonocardiograms to build an automatic classification model. This study proposes an automatic classification approach for phonocardiograms using deep learning and ensemble learning with a Savitzky–Golay filter. The experimental results showed that the proposed method is very competitive, and showed that the performance of the phonocardiogram classification model in hold out testing was 86.04% MAcc (86.46% sensitivity, 85.63% specificity), and in ten-fold cross validation it was 89.81% MAcc (91.73% sensitivity, 87.91% specificity). These two experimental results are all better than two state-of-art algorithms and show the potential to apply in real clinic situation.     

一种融合二维和三维卷积网络的两阶段冠状动脉分 割方法

心血管疾病是一种严重危害公众健康的重大疾病。与其他心血管疾病相比,冠心病是导致死亡的最主要原因,精确的冠状动脉分割对冠心病的治疗有重要意义。目前,深度学习已经广泛应用于医学影像领域,然而,像冠状动脉这样的小物体的分割仍然是一大挑战。针对冠状动脉精确分割的需求,该研究提出了一种融合二维和三维卷积网络的方案,利用骨架作为桥梁,结合二维和三维卷积网络,扩大了卷积网络的信息接受域。与其他深度学习方法相比,该方法在敏感度、Dice 系数、ROC 曲线下方的面积、豪斯多夫距离上均有一定程度的提升,且可以检测其他方法无法识别的冠状动脉,一定程度上解决了血管断连和血管缺失等问题。     

Stress and Coronary Heart Disease

There has been a rapid increase in the rates of illness and death due to coronary heart disease in most Western countries. Several factors such as a diet rich in fat, hypertension, age, male sex, increased serum cholesterol, cigarette smoking and a sedentary life have been associated with coronary heart disease. The evidence relating psycho-social stress to coronary heart disease is briefly reviewed. It seems likely that long-term behavioural arousal, associated with aggressive competition between men, and a sense of urgency interact with other factors such as diet and cigarette smoking to produce the various manifestations of coronary heart disease, but the physiological mechanisms are uncertain.     

C4.5算法在冠状造影数据处理中的应用

首先采用数据清理、数据变换、数据规约等预处理技术处理原始数据,并借助weka平台,通过C4.5算法生成决策树;然后针对决策树对正确率判断不够理想的地方,调整比例因子变量再进行测试提高判断的正确率。由两种方法的比较,以及与医学认识相对照,可以得出,文中所得决策分类树的构成特点同目前已知的高危因素趋于一致。通过C4.5算法建立判定决策树,降低了冠状动脉造影（CAG）的危险,为冠心病的分析预测提出了一种新的方法。     

Coronary heart disease optimization system on adaptive-network-based fuzzy inference system and linear discriminant analysis (ANFIS–LDA)

Coronary heart disease is a great concern in the field of healthcare, and one of the main causes of death across the world. In the USA, as in Europe, it is responsible for the highest mortality rate. Although the risk of coronary heart disease has been recognized, few studies have been conducted on this topic. On the other hand, computer science has become an important part of our lives. The use of medicine and medical science-related artificial intelligence facilitating the diagnosis and analysis of diseases and health problems is attracting considerable attention. The present study focuses on the determination of the optimum method for using artificial intelligence in a clinical decision support system in order to provide a solution and diagnosis regarding the research and medical issues related to the application of such a system. In the present study, we have developed a prediction model capable of the risk assessment of coronary heart disease by optimizing an adaptive-network-based fuzzy inference system (ANFIS) and linear discriminant analysis (LDA) on the basis of the dataset of Korean National Health and Nutrition Examinations Survey V. The ANFIS–LDA method, which is optimized using a hybrid method, exhibits a high prediction rate of 80.2 % and is more efficient and effective than the existing methods. We expect that our study to contribute to the prevention of coronary heart disease.     

一种高效挖掘冠心病医案关联规则的仿真研究

研究中医冠心病医案,高效挖掘有益信息规则问题,由于中医医案数据量大、关联性强,针对传统的关联规则挖掘算法处理中医医案数据时存在效率低、收敛速度慢及漏报规则等问题,提出一种小生境技术和基因表达式编程相结合的挖掘关联规则的方法。通过惩罚函数设置支持度阈值,利用小生境技术执行小生境演化、融合算法,结合基因表达式编程算法操作简单、鲁棒性强的优势搜索强关联规则,有效避免了算法早熟,解决了规则冗余。针对治疗冠心病的中医医案进行了验证性实验,实验结果表明,改进算法在提取有效信息的效率上有较大的提高,挖掘结果对冠心病中医临床诊治具有一定的参考价值。