一种基于心音信号的心率分析方法及系统
文献发布时间:2023-06-19 12:19:35
技术领域
本发明涉及生物医疗技术领域,尤其涉及一种基于心音信号的心率分析方法及系统。
背景技术
心音信号是人体重要的生理信号,大量心脑血管疾病的病理特征和生理信息都被包含在心音信号中,医生通过获取心音信号可以判断了解先天性心脏瓣膜受损情况或者血液流动情况。目前,医生在诊断心脏疾病时最常利用到电子听诊器,进而直接听取来自心脏瓣膜的声音,以此检查心脏是否存在任何异常,但是由此测量到的心音信号实际上混合有其他肺音、胸组织声音、环境噪声等不相干杂音,易造成心率听诊结果的准确性不足。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于心音信号的心率分析方法及系统,通过对采集到的原始心音信号进行一系列有效数据处理计算,可提高心率测量结果的准确性。
为了解决上述问题,本发明提出了一种基于心音信号的心率分析方法,所述方法包括:
利用带通滤波器对采集到的原始心音信号进行初始滤波处理,并对处理后的原始心音信号进行延时得到心音参考信号;
定义自适应滤波器,确定所述自适应滤波器利用到的代价函数;
将所述处理后的原始心音信号和所述心音参考信号输入所述自适应滤波器中,以使得所述代价函数最小为准则对所述自适应滤波器的权向量进行调整更新;
计算所述自适应滤波器在当前时刻下的权值变化向量,再基于所述权值变化向量与设定阈值之间的比较结果,确定有效边界范围;
基于设定最小分段长度从所述有效边界范围中筛选出若干个心音段,再利用所述若干个心音段构建出有效心音信号;
基于单自由度模型对所述有效心音信号进行包络提取,利用包络信息计算出所述有效心音信号所对应的心率参数。
可选的实施方式,所述自适应滤波器利用到的代价函数为:
其中,J(n)为n时刻下自适应滤波器的代价函数,λ为遗忘因子,r(i)为i时刻下的心音参考信号,w(n)为n时刻下自适应滤波器的权向量,T为转置符号,x(i)为i时刻下的处理后的原始心音信号。
可选的实施方式,所述计算所述自适应滤波器在当前时刻下的权值变化向量,再基于所述权值变化向量与设定阈值之间的比较结果,确定有效边界范围包括:
计算所述自适应滤波器在当前时刻下的权值变化向量为:
s(n)=‖w(n)-w(n-1)‖
基于所述权值变化向量,计算得到设定阈值为:
Th(n)=3×std[s(n)]
将所述权值变化向量中的各个元素按序与所述设定阈值进行比较,从中筛选出大于所述设定阈值的所有元素以形成有效边界范围。
可选的实施方式,所述基于设定最小分段长度从所述有效边界范围中筛选出若干个心音段,再利用所述若干个心音段构建出有效心音信号包括:
基于所述有效边界范围为BR=[k
基于每一个心音段对应到所述处理后的原始心音信号时存在一个时间段参数,将所述若干个心音段按照时间顺序进行排列,同时将时间不连续的相邻两个心音段之间的信号进行置零,得到有效心音信号。
可选的实施方式,所述基于单自由度模型对所述有效心音信号进行包络提取,利用包络信息计算出所述有效心音信号所对应的心率参数包括:
构建单自由度模型的运动方程为:
将所述有效心音信号导入所述运动方程进行求解运算,得到包络信号;
基于心音时域特征从所述包络信号中提取出N个心动周期信号,并计算每一个心动周期信号所关联的心率参数;
对所述N个心动周期信号所关联的N个心率参数进行均值求解,得到所述有效心音信号所对应的心率参数。
另外,本发明实施例还提供了一种基于心音信号的心率分析系统,所述系统包括:
获取模块,用于利用带通滤波器对采集到的原始心音信号进行初始滤波处理,并对处理后的原始心音信号进行延时得到心音参考信号;
定义模块,用于定义自适应滤波器,确定所述自适应滤波器利用到的代价函数;
更新模块,用于将所述处理后的原始心音信号和所述心音参考信号输入所述自适应滤波器中,以使得所述代价函数最小为准则对所述自适应滤波器的权向量进行调整更新;
输出模块,用于计算所述自适应滤波器在当前时刻下的权值变化向量,再基于所述权值变化向量与设定阈值之间的比较结果,确定有效边界范围;
构建模块,用于基于设定最小分段长度从所述有效边界范围中筛选出若干个心音段,再利用所述若干个心音段构建出有效心音信号;
计算模块,用于基于单自由度模型对所述有效心音信号进行包络提取,利用包络信息计算出所述有效心音信号所对应的心率参数。
可选的实施方式,所述自适应滤波器利用到的代价函数为:
其中,J(n)为n时刻下自适应滤波器的代价函数,λ为遗忘因子,r(i)为i时刻下的心音参考信号,w(n)为n时刻下自适应滤波器的权向量,T为转置符号,x(i)为i时刻下的处理后的原始心音信号。
可选的实施方式,所述输出模块用于计算所述自适应滤波器在当前时刻下的权值变化向量为:
s(n)=‖w(n)-w(n-1)‖
基于所述权值变化向量,计算得到设定阈值为:
Th(n)=3×std[s(n)]
将所述权值变化向量中的各个元素按序与所述设定阈值进行比较,从中筛选出大于所述设定阈值的所有元素以形成有效边界范围。
可选的实施方式,所述构建模块用于基于所述有效边界范围为BR=[k
可选的实施方式,所述计算模块用于构建单自由度模型的运动方程为:
在本发明实施例中,通过借助自适应滤波器可实现从滤波处理后的原始心音信号中定位并提取出有效心音信号,将最大程度地保证原始心音信号的去噪效果;通过借助单自由度模型可实现从有效心音信号中解析出心率参数,将提高心率测量结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见的,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例中的基于心音信号的心率分析方法的流程示意图;
图2是本发明实施例中的部分心音包络信号的时域特征示意图;
图3是本发明实施例中的基于心音信号的心率分析系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例
请参阅图1,图1示出了本发明实施例中的基于心音信号的心率分析方法的流程示意图。
如图1所示,一种基于心音信号的心率分析方法,所述方法包括:
S101、利用带通滤波器对采集到的原始心音信号进行初始滤波处理,并对处理后的原始心音信号进行延时得到心音参考信号;
具体实施过程为:将采集到的原始心音信号输入频段为20~200Hz的带通滤波器进行初始滤波处理,以滤除所述原始心音信号中的多余杂音,得到处理后的原始心音信号x(n);由于信号延时受限于采样频率f
S102、定义自适应滤波器,确定所述自适应滤波器利用到的代价函数。
在本发明实施例中,定义自适应滤波器的阶数M以及遗忘因子λ,进而确定所述自适应滤波器利用到的代价函数为:
其中,J(n)为n时刻下自适应滤波器的代价函数,r(i)为i时刻下的心音参考信号,T为转置符号,w(n)为n时刻下自适应滤波器的权向量且w(n)=[w
S103、将所述处理后的原始心音信号和所述心音参考信号输入所述自适应滤波器中,以使得所述代价函数最小为准则对所述自适应滤波器的权向量进行调整更新;
S104、计算所述自适应滤波器在当前时刻下的权值变化向量,再基于所述权值变化向量与设定阈值之间的比较结果,确定有效边界范围;
具体实施过程包括:首先计算所述自适应滤波器在当前时刻下的权值变化向量为:s(n)=‖w(n)-w(n-1)‖
S105、基于设定最小分段长度从所述有效边界范围中筛选出若干个心音段,再利用所述若干个心音段构建出有效心音信号;
具体实施过程包括:首先基于所述有效边界范围为BR=[k
针对所述以k
S106、基于单自由度模型对所述有效心音信号进行包络提取,利用包络信息计算出所述有效心音信号所对应的心率参数。
具体实施过程包括:首先构建单自由度模型的运动方程为:
结合图2所示出的部分心音包络信号的时域特征示意图,针对所述基于心音时域特征从所述包络信号y(n)中提取出N个心动周期信号,并计算每一个心动周期信号所关联的心率参数,进一步说明如下:
步骤A.在所述包络信号y(n)中标注出阈值线S,并基于所述阈值线S标记出所述包络信号y(n)中所存在的2N个峰值点,其中所述2N个峰值点包含有交叉出现的N个第一峰值点S
步骤B.以当前第一峰值点S
步骤C.按照步骤B所提出的划分依据从所述包络信号y(n)中依次提取出N个心动周期信号并记录相对应的周期持续时间,再利用步骤B所提出的计算公式进行同理运算,得到每一个心动周期信号所关联的心率参数。
在本发明实施例中,通过借助自适应滤波器可实现从滤波处理后的原始心音信号中定位并提取出有效心音信号,将最大程度地保证原始心音信号的去噪效果;通过借助单自由度模型可实现从有效心音信号中解析出心率参数,将提高心率测量结果的准确性。
实施例
请参阅图3,图3示出了本发明实施例中的基于心音信号的心率分析系统的结构组成示意图。
如图3所示,一种基于心音信号的心率分析系统,所述系统包括:
获取模块201,用于利用带通滤波器对采集到的原始心音信号进行初始滤波处理,并对处理后的原始心音信号进行延时得到心音参考信号;
具体实施过程为:将采集到的原始心音信号输入频段为20~200Hz的带通滤波器进行初始滤波处理,以滤除所述原始心音信号中的多余杂音,得到处理后的原始心音信号x(n);由于信号延时受限于采样频率f
定义模块202,用于定义自适应滤波器,确定所述自适应滤波器利用到的代价函数;
在本发明实施例中,定义自适应滤波器的阶数M以及遗忘因子λ,进而确定所述自适应滤波器利用到的代价函数为:
其中,J(n)为n时刻下自适应滤波器的代价函数,r(i)为i时刻下的心音参考信号,T为转置符号,w(n)为n时刻下自适应滤波器的权向量且w(n)=[w
更新模块203,用于将所述处理后的原始心音信号和所述心音参考信号输入所述自适应滤波器中,以使得所述代价函数最小为准则对所述自适应滤波器的权向量进行调整更新;
输出模块204,用于计算所述自适应滤波器在当前时刻下的权值变化向量,再基于所述权值变化向量与设定阈值之间的比较结果,确定有效边界范围;
具体实施过程包括:首先计算所述自适应滤波器在当前时刻下的权值变化向量为:s(n)=‖w(n)-w(n-1)‖
构建模块205,用于基于设定最小分段长度从所述有效边界范围中筛选出若干个心音段,再利用所述若干个心音段构建出有效心音信号;
具体实施过程包括:首先基于所述有效边界范围为BR=[k
针对所述以k
计算模块206,用于基于单自由度模型对所述有效心音信号进行包络提取,利用包络信息计算出所述有效心音信号所对应的心率参数。
具体实施过程包括:首先构建单自由度模型的运动方程为:
结合图2所示出的部分心音包络信号的时域特征示意图,针对所述基于心音时域特征从所述包络信号y(n)中提取出N个心动周期信号,并计算每一个心动周期信号所关联的心率参数,进一步说明如下:
步骤A.在所述包络信号y(n)中标注出阈值线S,并基于所述阈值线S标记出所述包络信号y(n)中所存在的2N个峰值点,其中所述2N个峰值点包含有交叉出现的N个第一峰值点S
步骤B.以当前第一峰值点S
步骤C.按照步骤B所提出的划分依据从所述包络信号y(n)中依次提取出N个心动周期信号并记录相对应的周期持续时间,再利用步骤B所提出的计算公式进行同理运算,得到每一个心动周期信号所关联的心率参数。
在本发明实施例中,通过借助自适应滤波器可实现从滤波处理后的原始心音信号中定位并提取出有效心音信号,将最大程度地保证原始心音信号的去噪效果;通过借助单自由度模型可实现从有效心音信号中解析出心率参数,将提高心率测量结果的准确性。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可存储于一计算机可读存储介质中,存储介质可包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上对本发明实施例所提供的一种基于心音信号的心率分析方法及系统进行了详细介绍,本文中采用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
- 一种基于心音信号的心率分析方法及系统
- 一种基于心音信号自相关分析的心率计算方法