基于STM32可视化心音信号电子测试系统的研究

电子听诊技术在临床医学、工业探测等领域有着广泛应用,医学上心音听诊是诊断心脏等内脏疾病的主要手段之一,而传统听诊器因其固有缺陷,很难满足现代医学发展要求。以医学电子听诊为研究对象,选定STM32F107为中央处理器,结合微弱信号处理技术,设计了一套心音信号的采集分析系统,完成了心音信号高速、高精度、抗干扰、实时可视化听诊,并结合MATLAB仿真软件对采集到的心音信号进行分析,实现了实时心音信号采集、前端信号处理和分析,完成了数据压缩、存储、分类,以及波形及数据显示回放等功能,以满足临床医学听诊的要求。     

LabVIEW平台上的心音分析虚拟仪器设计

介绍了一种心音分析虚拟仪器的设计方案,为开发出适合个人在PC机上使用的心音分析仪器打下平台.该仪器以LabVIEW为开发平台,硬件以压控心音传感器和计算机自带声卡为基础,软件包含了心音采集、小波去噪、时域分析和频域分析等多个模块.为计算心跳频率和第一心音与第二心音之间的时间间隔,采用了提取心音包络、归一化和分段平均相结合的方法,提高了系统的容差能力和计算精度.该仪器实现了传统的心脏听诊从单一的"听"转变为可视、可听和多角度分析,可作为临床心脏诊断的辅助仪器.     

基于SOPC/NiosⅡ的心音信号特征提取与记录系统

心音信号是衡量人体心脏状态的一个重要生物信息,对于心音信号的特征提取有着积极的医学意义;设计了一种基于SOPC/NiosⅡ的心音信号特征提取与记录系统,系统硬件由预处理模块、AD转换模块、显示与传输模块等构成;在FPGA芯片上构建SOPC系统,使用NiosⅡ软核对心音信号数据进行计算分析,提取特征信息;实验结果表明:系统能够很好地采集病人的心音,能够将心音信号进行经验模态分解,并能得到其频谱图和短时平均能量图;同时将数据进行无线传输,使得医护人员可以远程监控病人的心脏状态。     

基于智能手机的心音监测系统的研究与设计

心音监测对心脏疾病的检测和预防有重要作用,研究并设计基于智能手机的心音监测系统。该系统由心音测量节点、智能手机节点、服务器端组成。测量节点实现心音信号的采集,智能手机节点接收测量节点的心音并将其经GPRS网络传递到服务器端,服务器端对心音进行远程的监测。其中智能手机节点是该系统的枢纽,其主要功能是分析处理心音：对心音进行小波去噪处理,通过LZ复杂度算法获取心音的特征指标,将特征指标用于心功能的分析评价及其异常预警。通过功能性测试表明该系统能稳定运行。     

心音信号的测量与处理

阐述了心音信号的产生机制及成分,分析了心音信号的采集和预处理,最后对近年来心音信号的识别和分类进行了简要的说明。     

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。     

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STC单片机和LabVIEW的心音信号检测系统

介绍了一种用于身份识别的心音信号采集和处理系统。该系统利用STC12C5A单片机作为核心控制器,通过自带的A/D对经过放大、滤波等预处理后的心音信号进行模数转换,然后通过RS232总线将信号传输到上位机进行处理,在上位机利用LabVIEW设计一套集数据采集、存储、回放和分析于一体的虚拟检测平台。实验结果表明,利用该系统采集三位被测试者60组心音信号,建立WPT+GA-SVM心音身份识别模型,其识别准确率达到了85%。     

基于HKY06C传感器的心音信号检测与实现

根据人体心音信号噪声强、信号弱、随机性强,容易受到外界干扰的特点,设计了基于HKY06C新型传感器的心音检测系统,实现了对微弱心音信号的数据采集以及心音图的实时显示与保存,通过对不同个体的实测表明,该检测系统可以满足对人体心音信号的检测要求,通过心音图可以清晰的分辨出各种心音成分.     

基于中医闻诊的智能听诊器心音信号采集系统设计

为了实现心音信号的高精度采集、实时输出心率参数,设计基于中医闻诊的智能听诊器心音信号采集系统。通过心音传感器采集微弱心音信号后将其传送至音频模块,利用信号放大电路与高、低通滤波电路放大心音信号,通过核心主控芯片TMS320VC5509A扩展外部存储器,并保存放大的心音信号。通过SD模块向上位机发送数据处理指令,数据处理模块通过局部自适应小波阈值函数模型收缩降噪处理心音信号,利用心音信号分析模块分析心音信号所需时域特征参数。通过单自由度模型提取心音包络获取高准确性的心音特征参数,并投放在LCD模块,通过USB模块直接与上位机交互,并在触摸屏模块构建人机接口界面供用户使用。实验结果表明：该系统所采集的心音信号波形特征最明显、波形最完整,且心音信号采集效率高、输出心率参数平均误差低。     

基于循环平稳特性的心音信号噪声评价指标

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。     

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。      

胎儿远程监护信息的采集与分析

目的:探讨胎儿远程监护系统的数据采集和胎儿信号分析的新方法。方法:采用声卡并结合Matlab软件实现对胎儿心音信号的采集,并分别运用自相关算法和自适应算法对信号进行分析。结果:数据的采集和分析效果理想,可以准确得到胎儿的心率。结论:该数据采集和信号分析方法应用于胎儿远程监护系统可以准确判断胎儿的健康状况,从而保障孕产妇和胎儿的安全。     

基于PC机声卡的虚拟声信号处理系统

提出利用美国NI公司的LabVIEW软件和计算机声卡采集声场信号并对其进行处理的方案.比较了计算机声卡和数据采集卡(DAQ)之间的优缺点,发现PC机配置的声卡即可构成实时、高信噪比的声场数据采集系统.该应用可以推广到语音识别、环境噪声监测等多种领域,同时该方案对其他低频信号分析具有指导意义.     

平移不变小波在心音信号去噪中的应用

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。     

基于小波的心音信号分析及其特征提取

心音信号是人体最重要的生理信号之一,它包含了人体心脏和血管中丰富的原始信息.心脏杂音和心音改变的出现,往往是心脏病的最早特征.由于心音信号是一种典型的非平稳信号,所以传统的频域分析已经不能满足研究的需要.文章将时域、时频和功率谱能量等特性分析相结合,研究心音信号的分析方法,提取各种特征以区分不同的心音.理论分析和仿真实...     

Fetal phonocardiography--past and future possibilities

The paper presents an overview of the 15 year long development of fetal phonocardiography including the works on the applied signal processing methods for identification of sound components. Based on the improvements achieved on this field, the paper shows that beyond the traditional CTG test the phonocardiography may be successfully applied for long-term fetal measurements and home monitoring. In addition, by indication of heart murmurs based on a comprehensive analysis of the recorded heart sound congenital heart defects can also be detected together with additional features in the third trimester. This makes an early widespread screening possible combined with the prescribed CTG test even at home using a telemedicine system.     

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。