[发明专利]一种区分主动脉瓣狭窄心音与正常心音方法、装置及系统

说明书

本发明公开了一种区分主动脉瓣狭窄心音与正常心音方法、装置及系统，该方法包括如下步骤：S1，同步获取心音与心电信号并生成采样序列；S2，将上述采样序列通过滤波器，输出采用序列X；S3，基于同步采样的心电信号将X切分为若干心音周期X_i；S4，提取X_i的梅尔倒谱系数(MFCC)特征；S5，将X_i的特征向量输入训练好的两个高斯混合‑隐马尔可夫(GMM‑HMM)模型，并利用前向算法计算两个模型下的概率P(O|M₁)与P(O|M₂)；S6，比较上述两个P(O|M₁)与P(O|M₂)的大小，取概率大者的模型类别作为X_i的识别类别。本发明考虑了主动脉狭窄病人心音特征的多样性，且可适用于有一定背景音干扰的情况，具有较好的鲁棒性。

技术领域

本发明涉及主动脉瓣狭窄心音与正常心音区分技术领域，特别是涉及一种区分主动脉瓣狭窄心音与正常心音方法、装置及系统。

背景技术

主动脉瓣狭窄是一种常见的心脏瓣膜疾病，近年来发病率呈上升趋势,严重影响了患者的生命健康。它主要是指主动脉瓣开放不完全,使收缩期心脏射出的血流受到限制。由于左心室有较强的代偿性，主动脉瓣狭窄在发病的很长一段时间都不表现明显症状。然而在长期的高强度工作条件下，左心室会出现向心性肥厚，心肌耗氧量增加，最终导致心力衰竭。因此，对主动脉瓣狭窄病变的早期检查就尤为重要。

目前，主动脉瓣狭窄的诊断一般以超声心动图为金标准，主要参考三个参数：峰值收缩速度(PSV)、平均压力梯度(MPG)和主动脉瓣的计算面积(AVA)。由于条件的限制，很多患者无法及时接受超声心动图检查。

听诊是对心脏状态最早期也是最直接的检查手段之一。心音中信号最强的是第一心音(S1)和第二心音(S2)，其中S1标志心脏收缩期的开始、S2标志心脏舒张期的开始，参见图1。由于主动脉瓣狭窄患者的主动脉瓣开放不完全，使收缩期心脏射出的血流受到限制，在心音的收缩期间会出现特异性的杂音，参见图2。医护人员可通过人工识别收缩期内的特异性心脏杂音来对患者进行主动脉瓣狭窄的早期判断。然而这种方法一直受制于听诊环境、医技水平等因素的影响。

Kanav S等人(Fully-Automated Diagnosis of Aortic Stenosis UsingPhonocardiogram-Based Features*[C]//2019 41st Annual International Conferenceof the IEEE Engineering in MedicineBiology Society(EMBC).IEEE.)于2019年提出了一种利用心音信号来自动检测主动脉瓣狭窄的方法。然而该文献中的方法存在以下两个问题：(1)没有利用心音信号时序上的关系。心音信号是一维的时序信号，时间上有很强的相关性，若不充分利用时序上的联系将会丢失很多有用的信息。(2)该论文提出的方法需要对分段后的心音周期进行筛选再进行分类。筛选的原则是必须同时满足三个条件：同时成功地识别了S1和S2、收缩期间无任何大于S1或S2峰值幅度50％以上的信号、该段心音持续时间在该受试者的心音周期中位数的±20％内。然而经过这三个条件的筛选，剩下的信号都是过于理想的信号。在实际医院诊室场景中，数据总会受到一些诸如语音的背景干扰，而且有些病人由于病理的原因，S1或者S2会变弱、与杂音混在一起或者近乎消失，导致实际中很可能对主动脉狭窄心音漏检。

目前，现有技术中，利用心音信号来自动检测主动脉瓣狭窄的问题，主要体现在两个方面：

(1)尚无从心音时序间内在联系角度考虑自动检测主动脉瓣狭窄的解决方案。

(2)现有方法未考虑主动脉狭窄病人心音特征的多样性，且对背景音干扰的鲁棒性较差。

因此，以人工智能的方式实现一种能够自动区分正常心音与患有主动脉瓣狭窄患者的心音的方法成为迫切需要。

发明内容