[发明专利]心音分类方法及系统、可读存储介质、电子设备

权利要求书

1.一种心音分类方法，其特征在于，包括：

对样本心音信号进行滑动窗口质量评估，确定符合评价指标要求的信号片段；其中，对心音信号进行小波变换分解，小波变换分解近似系数的过零率和连续差的均方根作为评价指标；

对符合标准指标要求的信号片段做小波散射变换，将小波散射系数作为特征矩阵，按“小波尺度”维度展开，将二维特征矩阵重构为一维特征向量；

基于重构的一维特征向量训练分类器，按“小波尺度”维度投票得到样本的预测分类结果；

按“小波尺度”维度展开，将二维特征矩阵重构为一维特征向量，包括：对小波模系数进行小波再分解，并进行取模和卷积尺度平均计算，小波散射系数逐层输出，小波模系数传递至下一层重复小波散射变换；

采用“小波尺度”维度展开的方法，将271×10二维特征矩阵重构为10个维度的一维特征向量，即每个心音样本扩充至10个“小波尺度”维；

选用Se(灵敏度)、Sp(特异性)、Acc(准确率)和Macc(精确度度量)作为模型评价指标，公式如下：

其中，TP为真阳性，即正类预测为正类数；TN为真阴性，即正类预测为负类数；FP为假阳性，即负类预测为正类数；FN为假阴性，负类预测为负类数。

2.根据权利要求1所述的心音分类方法，其特征在于，对样本心音信号进行滑动窗口质量评估，包括：选取首个符合预设指标阈值标准的窗口内信号片段预处理后，作为当前样本的心音信号，若无符合要求片段，则标记为无效样本。

3.根据权利要求2所述的心音分类方法，其特征在于，采用预设宽度的滑动窗口，计算当前窗口内样本心音信号二级小波分解近似系数的过零率和连续差的均方根，若有任意一个指标不符，滑动窗口按照设定步长t滑动，首个符合阈值标准的滑动窗口内信号作为当前样本的心音信号；若滑动窗口移动中未找到符合阈值标准的心音信号，则该样本标记为无效样本。

4.根据权利要求3所述的心音分类方法，其特征在于，所述预处理包括：通过巴特沃斯带通滤波器对心音信号进行过滤，采用Schmidt迭代算法来识别和去除峰值。

5.根据权利要求4所述的心音分类方法，其特征在于，对符合标准指标要求的信号片段做小波散射变换包括：

构建二阶小波散射网络，质量因子分别为8和1，即滤波器组1每个信频有8个小波，滤波器组2每个信频有1个小波；

第0、1、2层分别对心音信号进行小波散射变换，小波散射系数逐阶输出；第0阶散射输出为原始信号和尺度函数的卷积；第1阶和第2阶散射输出为“散射路径×小波尺度”的二维矩阵小波散射系数。

6.根据权利要求5所述的心音分类方法，其特征在于，尺度函数卷积作用于原始信号作为第0层的小波散射系数；

原始信号与复数小波基卷积后取模，得到的第一层小波模系数作为下一层的输入，再与尺度函数卷积后得到第二层网络的小波散射系数；

重复上述步骤依次得到第二层小波模系数以及第三层小波散射系数；

逐层迭代，得到小波散射系数集。