论文部分内容阅读
心音能真实反映心脏工作状况,是医生诊断心血管疾病的重要依据。先心病的临床诊断分为初诊和确诊两个阶段。初诊及筛查阶段主要凭借听诊器,通过心脏听诊以确定疑似患者,这需要医生要有丰富的临床经验,基层医生往往难以胜任,若经验不足容易造成误诊或耽误病情。确诊阶段主要使用超声心动图仪对疑似患者进行复查,该设备价格昂贵,目前无法配备到乡镇卫生院等基层医院。现在,先心病的筛查还是以心脏听诊为主,由于我国地区发展不平衡,尤其是云南基层医疗资源匮乏,先心病的筛查基本上是依靠省级医疗队巡回下乡完成,这对及时、及早发现先心病患者非常不利。因此,分析研究先心病心音信号、提取相关病理特征,研究机器辅助诊断技术尤其重要,能够提高基层医生对先心病筛查的准确率。本文结合心音信号的特点,提出了一种基于Bi-LSTM网络和Mel频率倒谱系数的心音信号识别算法,较好地解决了先心病心音信号的分类问题,为先心病临床诊断提供参考。对心音的分析处理涉及:信号预处理、特征提取、识别研究三个环节。信号预处理:包括心音信号降噪、包络提取等。首先,对原始心音信号进行小波5层降噪处理,得到小波去噪后的信号;之后提取心音信号的希尔伯特包络,并以S1为起始点截取长度6秒的信号。特征提取部分:对比LPCC、BFCC、MFCC三种特征提取的方法,最终对截取到的信号提取梅尔倒谱频率系数作为特征参数。识别环节:对比了 BP、RNN、LSTM、Bi-LSTM四种神经网络的识别效果,最后选择能够克服其它三种网络缺陷的Bi-LSTM网络对心音信号进行识别。结果表明Bi-LSTM网络具有较好的识别效果,心音信号的正确识别率到达84.20%。