心臟雜音分級量化研究及心臟能量分析.pdf

1、心音聽診是檢查心臟功能完整性的一種重要方式，可借由聽診器大概診斷出病患的心臟疾病。若要確定到某一類型的疾病上，其中一個關鍵的指標為心臟雜音。在青少年和嬰幼兒人群的心臟檢查中，心臟雜音是最常見的體征，如不能做出正確的臨床診斷和分析，將會給病人及家屬造成很大的精神壓力。心臟雜音可通過其強度，持續(xù)時間和音質等特征來分級。傳統(tǒng)的雜音分級方法源于1933年Freeman和Levine 提出的I-VI級雜音分級系統(tǒng)。該方法由內科醫(yī)生依據(jù)自身的經(jīng)驗做

2、出直接、主觀的判斷，其判斷結果會因為檢查者自身的情況而改變。同時，醫(yī)生常常采用“吹風樣雜音”、“隆隆樣雜音”等術語來描述心臟雜音的特點。顯然這些術語只提供了主觀的依據(jù)，從中難以得到關于心臟疾病準確的生理、病理特征。
　　 本文通過介紹心臟雜音相關生理基礎（如心臟雜音產(chǎn)生機制、特征量等）及其在心臟疾病診斷中的應用，在此基礎上進一步對雜音信號進行預處理，提取特征參數(shù)作為雜音分級量化指標，最后從心臟雜音不同頻率成分能量分布和不同心音成

3、分能量分數(shù)兩方面對其能量狀態(tài)進行分析。心音信號預處理主要包括小波閾值消噪及Welch功率譜估計。首先，介紹噪聲在小波分解下的特性及小波閾值降噪的方法和步驟，通過小波函數(shù)的性質與心音信號特點結合分析，基于重構因子方法選取出適合的小波函數(shù)進行小波閾值消噪。試驗結果證明，coif3小波函數(shù)對心音的降噪效果良好。利用Welch功率譜估計方法對心音進行譜估計，得到不同成分的頻域特征，作為心音分段和定位的基礎。由于小波變換具有良好的多分辨率分析特性

4、，利用MALLAT算法進行心臟雜音隔離，在此基礎上通過希爾伯特變換獲得心音包絡，差分方法提取包絡峰值，設置一個合理的閾值拋棄多余的峰值點，最后在包絡峰值點周圍的1000個采樣點內尋找第一心音（S1），第二心音（S2）邊界點，從而確定S1，S2的持續(xù)時間。在此基礎上，進一步從小波變換的不同子帶濾波信號中提取三個連續(xù)心動周期內雜音和S1，S2與基線分別圍成的面積、持續(xù)時限，最大幅值，能量等參數(shù)，計算三個周期內雜音與S1，S2（作參考）比值指

5、標的均值，得到三種心臟雜音分級量化的方法（雜音面積比值法，雜音強度-時限加權法和雜音能量比值法）。結合傳統(tǒng)心臟雜音分級結果，對比三種量化指標的優(yōu)異，為心臟雜音從主觀分級到客觀分級提供一種主觀和客觀相結合的過渡研究。
　　 本文利用小波包分解分析正常心音和各類型心雜音信號能量特征。由于泵血的力來源于心臟收縮，S1幅值的變化與左室壓力上升的最大速率密切相關，S1能量能在一定程度上反映心臟能量的消耗，對應于有用功。從效率的觀點看，返流