基于復(fù)雜度的心臟瓣膜病心音信號(hào)的分析及識(shí)別研究.pdf

1、心臟瓣膜病日益成為危害人類健康的最重要的心臟病之一，伴隨著老年化的加劇，其發(fā)病率日漸增加。心音是人體重要的生理信號(hào)之一，包含了心臟瓣膜大量的生理病理信息，其雜音特征對(duì)于心臟瓣膜病的檢查和診斷至關(guān)重要。一直以來，人們對(duì)非線性、復(fù)雜的心臟系統(tǒng)采用抽象簡(jiǎn)化，通過建立理想線性模型，并用時(shí)域、頻域及時(shí)頻域聯(lián)合分析。雖然取得了很好的效果，但人們同時(shí)發(fā)現(xiàn)，采用線性方法分析并不足以研究本質(zhì)為非線性、非平穩(wěn)的生命系統(tǒng)。為研究心臟瓣膜病的心音信號(hào)，本課題從

2、非線性復(fù)雜度的角度對(duì)其分析，以期利用非線性動(dòng)力學(xué)方法提取其特征，實(shí)現(xiàn)基于心音信號(hào)的心臟瓣膜病計(jì)算機(jī)輔助診斷。
　　 論文闡述了正常心音和心臟瓣膜病心音信號(hào)的產(chǎn)生機(jī)理，并介紹了心音在心臟瓣膜病診斷中的應(yīng)用。在分析了心臟瓣膜活動(dòng)和心音關(guān)系的基礎(chǔ)上，采用了平均經(jīng)驗(yàn)?zāi)Ｊ椒纸?Ensemble Empirical Mode Decomposition，EEMD)的自適應(yīng)濾波方法進(jìn)行了心音消噪研究，并對(duì)消噪的心音進(jìn)行Lempie-Ziv復(fù)雜

3、度分段；其次采用非線性復(fù)雜度方法對(duì)瓣膜性心音信號(hào)進(jìn)行分析，并將EEMD和近似熵復(fù)雜度相結(jié)合來提取心音中的生理病理特征；最后運(yùn)用二叉樹向量機(jī)技術(shù)對(duì)常見的幾種心臟瓣膜病心音信號(hào)進(jìn)行分類識(shí)別，為心臟瓣膜病的早期診斷和治療提供了一種有效的手段。
　　 本文研究分析了經(jīng)驗(yàn)?zāi)Ｊ椒纸獾乃惴ㄔ砗筒蛔悖槍?duì)模態(tài)混疊問題提出了基于EEMD閾值的自適應(yīng)消噪方法，分析了臨床采集到的心音信號(hào)，通過對(duì)比分析消噪前后的心音信號(hào)，可以有效的去除噪聲并解決了模

4、態(tài)混疊的問題，并進(jìn)一步提出了基于Lempie-Ziv復(fù)雜度的心臟瓣膜病心音的分段算法，結(jié)果表明其分段準(zhǔn)確率高，且不需要額外的生理信號(hào)來輔助。
　　 為了提高心音信號(hào)的識(shí)別精度和分類準(zhǔn)確性，在分析心臟瓣膜病心音信號(hào)特點(diǎn)和復(fù)雜性的基礎(chǔ)上，選擇基于EEMD和近似熵復(fù)雜度的心音非線性動(dòng)力學(xué)算法來進(jìn)行特征提取，首先對(duì)其進(jìn)行EEMD分解得到反映心音本體特征的固有模態(tài)函數(shù)(Intrinsic Mode Function，IMF)；然后計(jì)算每階

5、IMF的非線性復(fù)雜度特征，通過互相關(guān)系數(shù)準(zhǔn)則對(duì)IMF進(jìn)行篩選，組成心音的特征向量，結(jié)果表明該方法能有效揭示了心臟瓣膜病變引起的瓣膜缺損和病變信息。
　　 本文選取二叉樹支持向量機(jī)(Binary Tree SVM，BT-SVM)來實(shí)現(xiàn)心臟瓣膜病心音信號(hào)的識(shí)別。首先分析了SVN對(duì)多子類分類問題研究和核函數(shù)的選擇，提出了基于：BT-SVM的心臟瓣膜病心音信號(hào)的分類和識(shí)別算法，對(duì)5種臨床常見的心臟瓣膜病心音信號(hào)和正常心音信號(hào)進(jìn)行識(shí)別，其