用于先心病筛查的心脏杂音智能分析方法与流程

本发明涉及医疗技术领域，更具体地说，涉及用于先心病筛查的心脏杂音智能分析方法。

背景技术：

先天性心脏病(简称先心病)是严重影响胎儿、婴儿正常发育的心脏器质性病变，先心病是指在胚胎发育过程中，由于心脏及大血管的形成障碍或发育异常而引起的解剖结构异常，导致胎儿出生后应自动关闭的血流通道，未能闭合的情形或血流通道异常狭窄，从而导致身体各个部位的供血不足，严重影响胎儿的正常发育，甚至夭折。先心病是先天性畸形中最常见的一类，约占各种先天性畸形的28％，并且约占出生活婴的0.4％～1％。

心脏杂音是指在心音与额外心音之外，在心脏收缩或舒张时血液在心脏或血管内产生湍流所致的室壁，瓣膜或血管振动所产生的异常声音。二级以上杂音多表示心脏血管有器质性病变如心瓣膜病、先天性心脏病、发热等。

目前在胎儿先心病诊断领域里，正在使用的均是较复杂的、较大型的昂贵器械；通过在18-20周孕期检查时，进行四维超声腹外、产道或肠内的检查，以及进行核磁共振的检查，能够看到胎儿是否患有先心病，但是这类检查的灵敏度低，成本高，且这类检测所采用的器械在使用上存在较高的风险、操作复杂和不易便携等缺点，而现有的结合新生儿先心病可靠的筛查手段，虽对出生的新生儿先天性心脏病进行有效地管理，对发现的新生儿先心病的保健、诊断、治疗、康复有重要意义，但是缺少量化标准，对于普及性筛查较难开展。

技术实现要素：

1．要解决的技术问题

针对现有技术中存在的问题，本发明的目的在于提供用于先心病筛查的心脏杂音智能分析方法，它可以通过信号预处理技术，有效地将新生儿的心音由于心脏器质性病变所产生的杂音分离出来，通过将心音信号进行小波变换，把一个心音分解成若干不同频率的信号，计算不同频率信号的时域特征值和频域特征值，再把计算出的时域特诊值和频域特诊值作为输入，通过向量机训练好的模型进行分类，可以比较准确提取心脏杂音特征，能够为医学工作者提供较为准确的、低成本、无风险的判断依据，有利于先心病筛查的普及。

2．技术方案

为解决上述问题，本发明采用如下的技术方案。

用于先心病筛查的心脏杂音智能分析方法，包括数据处理和特征识别，所述数据处理为同步采集的心音、心电与超声心动图三路数据进行处理，所述特征识别包括以下步骤：

步骤一、通过算法及半人工参与，把心音信号进行小波变换，从而把一个心音分解成若干不同频率的信号，从心音图数据中提取两个声音库，其中一个声音库由心脏杂音组成，另外一个库由正常心音组成，进行特征提取提出心脏杂音和正常心音的时域特征值及频域特诊值，然后利用向量机进行训练，得出向量机参数，利用该向量机参数进行心脏杂音和正常心音的比较；

步骤二、进行信号预处理，包括重采样和识别弱信号，然后对心音信号进行带通滤波，计算智能阈值(每段心音信号都有自己的阈值，根据该阈值找出潜在的心脏杂音)，找出所有潜在心脏杂音，提取潜在心音的时域特征和频域特征，并用向量机进一步判断该潜在心脏杂音是真的心脏杂音还是正常心音。

进一步的，所述步骤二中特征提取采用hht边际谱熵的方式，利用滑动窗处理，每帧窗长64点，帧移1点，计算每帧信号hht边际谱熵，基于希尔伯特-黄变换理论，依据广义信息熵的概念，提出基于hht边际谱熵和能量谱熵的概念和熵分析方法。

进一步的，所述hht边际谱熵中特征参考量包括峭度、偏斜度、k1时信号宽度平均值与k2时信号宽度平均值，且k1，k2为人为设定的两条参考线，设置不同自适应阈值：如公式（1）（2）所示，其中nfzcc为熵值

min（nfzcc）+k1*（max（nfzcc）-min（nfzcc））（1）

min（nfzcc）+k2*（max（nfzcc）-min（nfzcc））（k1>k2）（2）

调整k1、k2可设置不同灵敏度：当k1增大且k2减小时，异常心音信号识别率变大；当k1减小k2增大时，正常心音信号识别率变大；参数选取：k1取0.4，k2取0.225，分类器选择为支持向量机，核函数为线性核函数。

进一步的，所述步骤二中通过20ms的窗沿着心音信号移动的方式来找出所有潜在心脏杂音。

进一步的，所述数据处理包括心音信号降噪和结合心电图数据对心音计算分析，心音信号降噪过程中，在非平稳信号进行分析时，小波变换的优势十分明显，主要是由于其适应性很强，当信号类型为低频长时信号时，频率分辨率变高，而时间分辨率变低。

进一步的，所述心音信号降噪采用小波去噪，所述小波去噪的步骤包括：第一步，确定要处理的小波，根据小波信号的特点进行n层小波分解；第二步，小波分解系数的阈值量化；第三步，一维信号的小波重构。

进一步的，所述心音计算包括bpm（通过计算5秒内第一心音s1的次数，计算bpma每分钟心跳次数）、s1分裂情况（第一心音s1由m1，t1组成，m1为s1的二尖瓣成分，是正常时的首要成分，并且紧跟于二尖瓣关闭后发生，正常时再三尖瓣成分之前，t1为s1的第二个成分，正常发生于m1之后（二尖瓣成分），紧跟在三尖瓣关闭之后，m1和t1正常间隔是0.02s，超过就是s1分裂）、s2分裂情况（第二心音s2由主动脉瓣a2和肺动脉瓣p2组成，a2在瓣膜闭合时有较强的力量，因此比右侧机械运动p2强度大，正常情况a2先于p2，p2比较柔和）、p2亢进情况（p2是指肺动脉瓣第二心音，它用听诊器听诊在肺动脉瓣听诊区最清晰，肺动脉瓣位于胸骨左缘第二肋间隙。p2亢进代表肺动脉区第二心音亢进也就是增强，主要是因为肺动脉的压力增加导致的，大多数出现在病理情况下，可以出现在二尖瓣狭窄，左向右分流的先天性心脏病，或者肺心病的患者，凡是能够导致肺动脉内的压力增加都会出现p2的亢进。通过对p2的能量频谱量化定义亢进的标准，实现p2亢进的自动识别）和收缩期与舒张期比（s1与s2之间为收缩期，s2与s1之间为舒张期，以s1和s2的峰值为参考点计算，取5个完整心跳周期取平均值计算），通过心电图qrs波特征识别所述第一心音s1与第二心音s2和共心音计算分析与杂音特征识别。

进一步的，所述s2分裂包括生理性分裂（深吸气末出现，青少年常见。（胸腔负压增加－右心回心血量增加－右心排血时间延长－肺动脉瓣关闭延迟））、通常分裂（最常见，完全右束支传导阻滞、肺动脉瓣狭窄、二尖瓣狭窄（右室排血时间延长－肺动脉瓣关闭明显延迟）；二尖瓣关闭不全、室间隔缺损（左室射血时间缩短－主动脉瓣关闭提前））、固定分裂（分裂不受呼吸影响，分裂的时距较固定。先心病房间隔缺损（左向右分流））和反常分裂（逆分裂）（是病理性体征；主动脉瓣关闭延迟于肺动脉瓣，吸气时分裂变窄，呼气时变宽；见于重度高血压、主动脉瓣狭窄、完全性左束支传导阻滞），当a2和p2之间的间隔，小于等于0.03秒，认为是生理性分裂，大于0.03秒，认为是病理性分裂。

进一步的，所述心脏杂音的性质与其频率相关，所述频率包括吹风样（主要为高频）、粗糙（中频或高低频混合）和隆隆样（主要为低频），杂音即可能发生于s1与s2之间（收缩期），或s2与s1之间（舒张期），有些病变时收缩期及舒张期均可听到。

3．有益效果

相比于现有技术，本发明的优点在于：

（1）本方案可以通过信号预处理技术，有效地将新生儿的心音由于心脏器质性病变所产生的杂音分离出来，通过将心音信号进行小波变换，把一个心音分解成若干不同频率的信号，计算不同频率信号的时域特征值和频域特征值，再把计算出的时域特诊值和频域特诊值作为输入，通过向量机训练好的模型进行分类，可以比较准确提取心脏杂音特征，能够为医学工作者提供较为准确的、低成本、无风险的判断依据，有利于先心病筛查的普及。

（2）步骤二中特征提取采用hht边际谱熵的方式，利用滑动窗处理，每帧窗长64点，帧移1点，计算每帧信号hht边际谱熵，基于希尔伯特-黄变换理论，依据广义信息熵的概念，提出基于hht边际谱熵和能量谱熵的概念和熵分析方法。

（3）hht边际谱熵中特征参考量包括峭度、偏斜度、k1时信号宽度平均值与k2时信号宽度平均值，且k1，k2为人为设定的两条参考线，设置不同自适应阈值：如公式（1）（2）所示，其中nfzcc为熵值

min（nfzcc）+k1*（max（nfzcc）-min（nfzcc））（1）

min（nfzcc）+k2*（max（nfzcc）-min（nfzcc））（k1>k2）（2）

调整k1、k2可设置不同灵敏度：当k1增大且k2减小时，异常心音信号识别率变大；当k1减小k2增大时，正常心音信号识别率变大；参数选取：k1取0.4，k2取0.225，分类器选择为支持向量机，核函数为线性核函数。

（4）步骤二中通过20ms的窗沿着心音信号移动的方式来找出所有潜在心脏杂音。

（5）数据处理包括心音信号降噪和结合心电图数据对心音计算分析，心音信号降噪过程中，在非平稳信号进行分析时，小波变换的优势十分明显，主要是由于其适应性很强，当信号类型为低频长时信号时，频率分辨率变高，而时间分辨率变低。

（6）心音信号降噪采用小波去噪，小波去噪的步骤包括：第一步，确定要处理的小波，根据小波信号的特点进行n层小波分解；第二步，小波分解系数的阈值量化；第三步，一维信号的小波重构。

（7）心音计算包括bpm（通过计算5秒内第一心音s1的次数，计算bpma每分钟心跳次数）、s1分裂情况（第一心音s1由m1，t1组成，m1为s1的二尖瓣成分，是正常时的首要成分，并且紧跟于二尖瓣关闭后发生，正常时再三尖瓣成分之前，t1为s1的第二个成分，正常发生于m1之后（二尖瓣成分），紧跟在三尖瓣关闭之后，m1和t1正常间隔是0.02s，超过就是s1分裂）、s2分裂情况（第二心音s2由主动脉瓣a2和肺动脉瓣p2组成，a2在瓣膜闭合时有较强的力量，因此比右侧机械运动p2强度大，正常情况a2先于p2，p2比较柔和）、p2亢进情况（p2是指肺动脉瓣第二心音，它用听诊器听诊在肺动脉瓣听诊区最清晰，肺动脉瓣位于胸骨左缘第二肋间隙。p2亢进代表肺动脉区第二心音亢进也就是增强，主要是因为肺动脉的压力增加导致的，大多数出现在病理情况下，可以出现在二尖瓣狭窄，左向右分流的先天性心脏病，或者肺心病的患者，凡是能够导致肺动脉内的压力增加都会出现p2的亢进。通过对p2的能量频谱量化定义亢进的标准，实现p2亢进的自动识别）和收缩期与舒张期比（s1与s2之间为收缩期，s2与s1之间为舒张期，以s1和s2的峰值为参考点计算，取5个完整心跳周期取平均值计算），通过心电图qrs波特征识别第一心音s1与第二心音s2和共心音计算分析与杂音特征识别。

（8）s2分裂包括生理性分裂（深吸气末出现，青少年常见。（胸腔负压增加－右心回心血量增加－右心排血时间延长－肺动脉瓣关闭延迟））、通常分裂（最常见，完全右束支传导阻滞、肺动脉瓣狭窄、二尖瓣狭窄（右室排血时间延长－肺动脉瓣关闭明显延迟）；二尖瓣关闭不全、室间隔缺损（左室射血时间缩短－主动脉瓣关闭提前））、固定分裂（分裂不受呼吸影响，分裂的时距较固定。先心病房间隔缺损（左向右分流））和反常分裂（逆分裂）（是病理性体征；主动脉瓣关闭延迟于肺动脉瓣，吸气时分裂变窄，呼气时变宽；见于重度高血压、主动脉瓣狭窄、完全性左束支传导阻滞），当a2和p2之间的间隔，小于等于0.03秒，认为是生理性分裂，大于0.03秒，认为是病理性分裂。

（9）心脏杂音的性质与其频率相关，频率包括吹风样（主要为高频）、粗糙（中频或高低频混合）和隆隆样（主要为低频），杂音即可能发生于s1与s2之间（收缩期），或s2与s1之间（舒张期），有些病变时收缩期及舒张期均可听到。

附图说明

图1为本发明的特征识别中的第一步骤中的向量机训练流程图；

图2为本发明的心脏杂音特征提取技术流程框图；

图3为本发明的心脏杂音特征参数的结构示意图；

图4为本发明的心脏杂音频率的范围提示病变的粗略关系的结构示意图。

具体实施方式

请参阅图1-4的用于先心病筛查的心脏杂音智能分析方法，它包括数据处理和特征识别，所述数据处理为同步采集的心音、心电与超声心动图三路数据进行处理，所述特征识别包括以下步骤：

步骤一、通过算法及半人工参与，把心音信号进行小波变换，从而把一个心音分解成若干不同频率的信号，从心音图数据中提取两个声音库，其中一个声音库由心脏杂音组成，另外一个库由正常心音组成，进行特征提取提出心脏杂音和正常心音的时域特征值及频域特诊值，然后利用向量机进行训练，得出向量机参数，利用该向量机参数进行心脏杂音和正常心音的比较；

步骤二、进行信号预处理，包括重采样和识别弱信号，然后对心音信号进行带通滤波，计算智能阈值(每段心音信号都有自己的阈值，根据该阈值找出潜在的心脏杂音)，找出所有潜在心脏杂音，提取潜在心音的时域特征和频域特征，并用向量机进一步判断该潜在心脏杂音是真的心脏杂音还是正常心音。

步骤二中特征提取采用hht边际谱熵的方式，利用滑动窗处理，每帧窗长64点，帧移1点，计算每帧信号hht边际谱熵，基于希尔伯特-黄变换理论，依据广义信息熵的概念，提出基于hht边际谱熵和能量谱熵的概念和熵分析方法。

hht边际谱熵中特征参考量包括峭度、偏斜度、k1时信号宽度平均值与k2时信号宽度平均值，且k1，k2为人为设定的两条参考线，设置不同自适应阈值：如公式（1）（2）所示，其中nfzcc为熵值

min（nfzcc）+k1*（max（nfzcc）-min（nfzcc））（1）

min（nfzcc）+k2*（max（nfzcc）-min（nfzcc））（k1>k2）（2）

调整k1、k2可设置不同灵敏度：当k1增大且k2减小时，异常心音信号识别率变大；当k1减小k2增大时，正常心音信号识别率变大；参数选取：k1取0.4，k2取0.225，分类器选择为支持向量机，核函数为线性核函数。

步骤二中通过20ms的窗沿着心音信号移动的方式来找出所有潜在心脏杂音。

数据处理包括心音信号降噪和结合心电图数据对心音计算分析，心音信号降噪过程中，在非平稳信号进行分析时，小波变换的优势十分明显，主要是由于其适应性很强，当信号类型为低频长时信号时，频率分辨率变高，而时间分辨率变低。

心音信号降噪采用小波去噪，小波去噪的步骤包括：第一步，确定要处理的小波，根据小波信号的特点进行n层小波分解；第二步，小波分解系数的阈值量化；第三步，一维信号的小波重构。

心音计算包括bpm（通过计算5秒内第一心音s1的次数，计算bpma每分钟心跳次数）、s1分裂情况（第一心音s1由m1，t1组成，m1为s1的二尖瓣成分，是正常时的首要成分，并且紧跟于二尖瓣关闭后发生，正常时再三尖瓣成分之前，t1为s1的第二个成分，正常发生于m1之后（二尖瓣成分），紧跟在三尖瓣关闭之后，m1和t1正常间隔是0.02s，超过就是s1分裂）、s2分裂情况（第二心音s2由主动脉瓣a2和肺动脉瓣p2组成，a2在瓣膜闭合时有较强的力量，因此比右侧机械运动p2强度大，正常情况a2先于p2，p2比较柔和）、p2亢进情况（p2是指肺动脉瓣第二心音，它用听诊器听诊在肺动脉瓣听诊区最清晰，肺动脉瓣位于胸骨左缘第二肋间隙。p2亢进代表肺动脉区第二心音亢进也就是增强，主要是因为肺动脉的压力增加导致的，大多数出现在病理情况下，可以出现在二尖瓣狭窄，左向右分流的先天性心脏病，或者肺心病的患者，凡是能够导致肺动脉内的压力增加都会出现p2的亢进。通过对p2的能量频谱量化定义亢进的标准，实现p2亢进的自动识别）和收缩期与舒张期比（s1与s2之间为收缩期，s2与s1之间为舒张期，以s1和s2的峰值为参考点计算，取5个完整心跳周期取平均值计算），通过心电图qrs波特征识别第一心音s1与第二心音s2和共心音计算分析与杂音特征识别。

s2分裂包括生理性分裂（深吸气末出现，青少年常见。（胸腔负压增加－右心回心血量增加－右心排血时间延长－肺动脉瓣关闭延迟））、通常分裂（最常见，完全右束支传导阻滞、肺动脉瓣狭窄、二尖瓣狭窄（右室排血时间延长－肺动脉瓣关闭明显延迟）；二尖瓣关闭不全、室间隔缺损（左室射血时间缩短－主动脉瓣关闭提前））、固定分裂（分裂不受呼吸影响，分裂的时距较固定。先心病房间隔缺损（左向右分流））和反常分裂（逆分裂）（是病理性体征；主动脉瓣关闭延迟于肺动脉瓣，吸气时分裂变窄，呼气时变宽；见于重度高血压、主动脉瓣狭窄、完全性左束支传导阻滞），当a2和p2之间的间隔，小于等于0.03秒，认为是生理性分裂，大于0.03秒，认为是病理性分裂。

心脏杂音的性质与其频率相关，频率包括吹风样（主要为高频）、粗糙（中频或高低频混合）和隆隆样（主要为低频），杂音即可能发生于s1与s2之间（收缩期），或s2与s1之间（舒张期），有些病变时收缩期及舒张期均可听到。

可以通过信号预处理技术，有效地将新生儿的心音由于心脏器质性病变所产生的杂音分离出来，通过将心音信号进行小波变换，把一个心音分解成若干不同频率的信号，计算不同频率信号的时域特征值和频域特征值，再把计算出的时域特诊值和频域特诊值作为输入，通过向量机训练好的模型进行分类，可以比较准确提取心脏杂音特征，能够为医学工作者提供较为准确的、低成本、无风险的判断依据，有利于先心病筛查的普及。

以上所述；仅为本发明较佳的具体实施方式；但本发明的保护范围并不局限于此；任何熟悉本技术领域的技术人员在本发明揭露的技术范围内；根据本发明的技术方案及其改进构思加以等同替换或改变；都应涵盖在本发明的保护范围内。