基于DTW的冠心病舒張期信號特征提取研究.pdf

1、冠心病（CAD）長期以來是嚴重威脅人們身體健康的最重要疾病之一。而且隨著生活水平提高，高脂肪攝入與運動缺乏等不良生活習慣造成發(fā)病患者越來越趨于年輕化，發(fā)病率越來越高。冠心病診斷的“金標準”是冠狀動脈造影，但其有創(chuàng)且價格昂貴，不適合大眾常規(guī)檢查和廣泛普查。心電圖、心臟超聲和心肌核素診斷、多層螺旋CT冠脈成等作為輔助無創(chuàng)檢查已在臨床廣泛應用，但由于無創(chuàng)檢查機理不同所適用范圍也很有限。由于現(xiàn)代信號處理技術的發(fā)展，傳統(tǒng)心音學越來越受重視。特別是

2、近些年語音信號處理技術的快速發(fā)展和應用，為聲學信號處理打開了前景。
　　本課題研究基于動態(tài)時間規(guī)整（DTW）的冠心病舒張期信號特征提取技術。對冠心病心音信號的特征提取以及判別分類上做了一些研究工作。主要包括以下幾個方面：
　　1.國內(nèi)外冠心病心音研究現(xiàn)狀分析。
　　2.心音信號樣本的采集：分別采集冠心病患者、其他心臟病患者以及正常健康人的心尖區(qū)心音信號。
　　3.基于冠心病心音信號舒張期高頻增強這一病理特性，提取

3、舒張期信號，對其進行小波閾值降噪，然后分幀加窗處理研究，每幀時長64ms。
　　4.對心音信號進行自動分段。
　　5.研究分析各幀在頻域上的差異特性，取出各幀180—250Hz頻帶能量作為特征，維數(shù)為幀數(shù)。
　　6.針對冠心病舒張期心音高頻增強但增強持續(xù)時間以及出現(xiàn)增強的位置不同，但病理雜音出現(xiàn)先后不變的特點，采用改進的動態(tài)時間規(guī)整（DTW）算法進行計算不同維度的特征向量匹配距離以及規(guī)整成相同維度向量。
　　7.

4、對比平均距離分類法、平均向量分類法以及支持向量機（SVM）三種分類法對特定人與非特定人混合樣本的分類效果。通過優(yōu)化查找出平均距離分類法中的最佳初始模板，以及優(yōu)化SVM參數(shù)，得出較好結果。
　　本文從病理特征出發(fā)對臨床冠心病信號的采集、預處理、特征提取及分類分析進行了全面的研究。針對個人心率差異性以及病理性心雜音出現(xiàn)的位置差異，提出將 DTW應用到冠心病心音信號處理中，并利用臨床采集的心音數(shù)據(jù)進行三分類驗證，獲得了較好的分類結果。通