[发明专利]一种心音段完整性判断模型及心音自适应分段方法

说明书

本发明公开了一种心音段完整性判断模型及基于该模型的心音自适应分段方法，向该模型输入预处理后的心音数据，得到该心音数据的每一个心音段是否完整的结论。基于该结论就可以筛选出心音数据中的完整心音段，仅对完整心音段进行定位与分段，避免不完整心音段对心音分段带来的干扰，首先通过锚点设置预选框，然后利用卷积神经网络实现干扰去除，最后通过均值漂移聚类实现心音周期的准确定位与分段。

技术领域

本发明涉及心音信号分析技术领域，具体是一种心音段完整性判断模型及基于该模型的心音自适应分段方法。

背景技术

目前，心血管疾病是危害人类健康的主要疾病之一。人们可以通过健康的生活方式来预防心血管疾病，通过定期预防性检查及时发现早期病症并及时予以干涉。心血管疾病的早期检查主要通过人工听诊进行。听诊是一种检查心脏疾病的有效手段，相较于超声心动图，更加灵活、简单。心音信号包含心血管的生理和病理信息，通过听诊，专业医师可以给出初步诊断结果。然而准确的听诊需要医师具有比较丰富的临床经验或者经过充分的培训，据统计，只有20％的实习生可以通过听诊有效地检查心脏情况。

为此，人们推动了心音听诊信号自动诊断的研究，而自动诊断的第一步就是心音定位与分段，准确的定位与分段可以为后续工作奠定良好的基础。心音听诊信号是心脏振动产生的声音，主要包含第一心音S1、收缩期、第二心音S2、舒张期，如图1所示，其中，S1是一种持续时间较长的低音，S2是一种持续时间较短的高音。在正常情况下，收缩期短于舒张期，在病理和非病理条件下，心音图(PCG)信号可能包括第三心音S3、第四心音S4、杂音和其他异常声音，例如周围的敲击声、说话声以及心脏瓣膜老化等产生的声音，并且一些相关疾病可能导致S2的消失、音律不齐等问题，这些复杂情况更增加了心音定位与分段的难度。

现有电子听诊器中的心音自动定位与分段主要采用以下方式：

1、基于心音波形的心音定位与分段

国家知识产权局于2017年2月15日公告授权的发明专利CN 104688213B公开了一种心音信号分段方法，基于心音波形进行心音定位与分段。第一步是对波形进行滤波，然后计算阈值，通过该阈值得到心音信号；第二步是对心音信号进行校正，合并峰峰值距离较小的心音信号；第三步是筛选掉第一心音中间距较大或者较小的点，然后对筛选之后的各点求中位数，作为心音的周期长度，只保留长短在周期中位数附近的周期。

2、基于心音包络的定位与分段

国家知识产权局于2020年8月14日公布的发明专利申请CN 111528900A公开了一种基于巴特沃斯滤波器与香农熵法的心音分段方法。首先通过巴特沃斯滤波器对初始心音信号进行滤波，然后提取香农熵包络，接着通过预设的第一阈值与第二阈值提取第一心音S1与第二心音S2，最后通过S1与S2的起终点进行分段。

Z.Alireza等人在发表的论文《Heart sound segmentation based onrecurrence time statistics》中，结合包络与k-means算法进行心音的定位与分段。首先通过希尔伯特变换提取心音包络，并测量包络峰点之间的时间间隔，再利用k-means算法对数据进行聚类，并提取统计信息，接着指定信号中的参考点，最后利用参考点和统计信息对心音信号进行分段。

3、基于隐马尔可夫模型HMM的心音定位与分段

Schmidt等人在发表的论文《Segmentation ofheart sound recordings from anelectronic stethoscope by a duration dependent hidden Markov model》利用隐半马尔可夫模型HSMM进行心音分段，该模型扩展了传统的隐马尔可夫模型，因为它的持续时间分布函数是通过高斯分布来建模的，而不是通过传统的几何分布来近似，此外，它通过同态滤波包络图的自相关分析估计收缩期和舒张期持续时间参数。