一种多通道心音信号的冠心病风险指数评估系统技术方案

本发明专利技术公开了一种多通道心音信号的冠心病风险指数评估系统，其技术方案为：包括数据采集模块，其用于采集被测试者的心音数据，构建冠心病风险指数评估模型；数据处理模块，其用于将经模数转换后的心音数据进行滤波和重采样，构建心音信号时间序列；并将心音信号时间序列每个心动周期进行分段，且分别提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征；风险评估模块，其用于对提取的心音特征进行分类，并输出评估结果。本发明专利技术能够提高冠心病风险指数评估的准确性。性。性。

【技术实现步骤摘要】
一种多通道心音信号的冠心病风险指数评估系统


[0001]本专利技术涉及生理信号分析的
，尤其涉及一种多通道心音信号的冠心病风险指数评估系统。

技术介绍

[0002]冠心病的危害性极其严重，是心血管疾病中死亡率最高的疾病。冠脉造影作为检测冠心病的金标准，因为有创有损且花费巨大，不能作为常规筛查手段。心音信号是人体最重要的生理信号之一，它能够有效地反映心血管的生理和病理状态，不会对人体造成伤害且操作简便成本低廉。
[0003]早期研究显示，由于冠状动脉狭窄引起的湍流会使周围组织振动，从而产生心脏杂音。精准捕捉并合理分析这些心脏杂音是通过心音信号评估冠心病风险的关键。但是心脏杂音幅值微小且形态多变，目前只能确定其在心脏舒张期更易检测。由于采集设备等局限，在以往的心音诊断研究中，心音信号采集多为单通道采集，加之复杂的环境噪声，单独基于心音信号的冠心病风险指数评估一直达不到令人满意的效果。

技术实现思路

[0004]针对现有技术存在的不足，本专利技术的目的是提供一种多通道心音信号的冠心病风险指数评估系统，能够提高冠心病风险指数评估的准确性。
[0005]为了实现上述目的，本专利技术是通过如下的技术方案来实现：
[0006]第一方面，本专利技术的实施例提供了一种多通道心音信号的冠心病风险指数评估系统，包括：
[0007]数据采集模块，其用于采集被测试者的心音数据，构建冠心病风险指数评估模型；
[0008]数据处理模块，其用于将经模数转换后的心音数据进行滤波和重采样，构建心音信号时间序列；并将心音信号时间序列每个心动周期进行分段，且分别提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征；
[0009]风险评估模块，其用于对提取的心音特征进行分类，并输出评估结果。
[0010]作为进一步的实现方式，所述数据采集模块包括心音信号检测模块和冠心病风险指数评估模型生成模块，心音信号检测模块包括多个心音传感器，每个心音传感器均与放大滤波器相连。
[0011]作为进一步的实现方式，所述提取单通道特征和两通道特征的步骤为：
[0012]对各个通道的心动周期、第一心音、第二心音、收缩期和舒张期时间序列分别计算时间特征；对各个通道的第一心音、第二心音、收缩期和舒张期时间序列分别计算幅值特征；对各个通道的第一心音、第二心音、收缩期和舒张期时间序列分别计算频域特征；对各个通道的收缩期和舒张期时间序列分别计算非线性特征；对任意两通道的心音组合分别计算相关系数和相干函数的统计量特征；对任意两通道的心音组合分别计算互熵特征。
[0013]作为进一步的实现方式，所述风险评估模块通过将特征集输入冠心病风险指数评
估模型，得到冠心病风险指数评估模型的输出结果，根据输出结果评估冠心病风险指数。
[0014]作为进一步的实现方式，所述冠心病风险指数评估模型生成的方法为：首先提取心音特征，并对心音特征进行特征选择，得到特征选择结果；根据特征选择结果构建特征集，以机器学习方法训练分类器，获得冠心病风险指数评估模型。
[0015]作为进一步的实现方式，对心音特征进行特征选择时，采用基于支持向量机的递归消除法筛选特征，通过反复构建支持向量机模型，迭代移除得分最低的特征，得到最佳特征集。
[0016]作为进一步的实现方式，构建冠心病风险指数评估模型时，使用k折交叉验证法对结果进行验证。
[0017]作为进一步的实现方式，数据处理模块中对心音数据进行30～300Hz的带通滤波，同时去除50Hz的工频干扰。
[0018]第二方面，本专利技术的实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如下步骤：
[0019]获取被测试者的心音数据，构建冠心病风险指数评估模型；
[0020]将经模数转换后的心音数据进行滤波和重采样，构建心音信号时间序列；将心音信号时间序列每个心动周期进行分段，且分别提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征；
[0021]对提取的心音特征进行分类，并输出评估结果。
[0022]第三方面，本专利技术的实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如下步骤：
[0023]获取被测试者的心音数据，构建冠心病风险指数评估模型；
[0024]将经模数转换后的心音数据进行滤波和重采样，构建心音信号时间序列；并将心音信号时间序列每个心动周期进行分段，且分别提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征；
[0025]对提取的心音特征进行分类，并输出评估结果。
[0026]上述本专利技术的实施例的有益效果如下：
[0027](1)本专利技术的一个或多个实施方式采集多个通道心音信号，从多个方位捕捉心脏杂音，可以提高捕捉心脏杂音的概率；并通过两通道心音间的耦合，对冠心病风险指数予以更为准确的评估；
[0028](2)本专利技术的一个或多个实施方式提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征，将特征输入冠心病风险指数评估模型，根据输出评估该心音的冠心病风险指数；由于多通道心音信号可以从多个位置捕获可能存在的有用信息，而各通道信号间的耦合信号能提供有关同步性的信息，因此通过本专利技术提供能够得到比之前研究更好的分类性能，能够提高冠心病风险指数评估的准确性，有效提高心音信号在冠心病风险指数评估方面的应用价值。
附图说明
[0029]构成本专利技术的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示
意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。
[0030]图1是本专利技术根据一个或多个实施方式的系统结构示意图；
[0031]图2是本专利技术根据一个或多个实施方式的流程图；
[0032]其中，1、心音信号采集模块，2、A/D转换模块，3、预处理模块，4、分段模块，5、特征提取模块，6、风险评估模块。
具体实施方式
[0033]应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。
[0034]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合；
[0035]实施例一：
[0036]本实施例提供了一种多通道心音信号的冠心病风险指数评估系统，包括：
[0037]数据采集模块，其用于采集被测试者的心音数据，构建冠心病风险指数评估模型；
[0038]数据处理模块本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多通道心音信号的冠心病风险指数评估系统，其特征在于，包括：数据采集模块，其用于采集被测试者的心音数据，构建冠心病风险指数评估模型；数据处理模块，其用于将经模数转换后的心音数据进行滤波和重采样，构建心音信号时间序列；并将心音信号时间序列每个心动周期进行分段，且分别提取基于分段后心音信号的单通道特征和基于未分段两通道心音信号的两通道特征；风险评估模块，其用于对提取的心音特征进行分类，并输出评估结果。2.根据权利要求1所述的一种多通道心音信号的冠心病风险指数评估系统，其特征在于，所述数据采集模块包括心音信号检测模块和冠心病风险指数评估模型生成模块，心音信号检测模块包括多个心音传感器，每个心音传感器均与放大滤波器相连。3.根据权利要求1所述的一种多通道心音信号的冠心病风险指数评估系统，其特征在于，所述提取单通道特征和两通道特征的步骤为：对各个通道的心动周期、第一心音、第二心音、收缩期和舒张期时间序列分别计算时间特征；对各个通道的第一心音、第二心音、收缩期和舒张期时间序列分别计算幅值特征；对各个通道的第一心音、第二心音、收缩期和舒张期时间序列分别计算频域特征；对各个通道的收缩期和舒张期时间序列分别计算非线性特征；对任意两通道的心音组合分别计算相关系数和相干函数的统计量特征；对任意两通道的心音组合分别计算互熵特征。4.根据权利要求1所述的一种多通道心音信号的冠心病风险指数评估系统，其特征在于，所述风险评估模块通过将特征集输入冠心病风险指数评估模型，得到冠心病风险指数评估模型的输出结果，根据输出结果评估冠心病风险指数。5.根据权利要求1或4所述的一种多通道心音信号的冠心病风险指数评估系统，所述冠心病风险指数评估模型生成的方法为：首先提取心音特征，并...

【专利技术属性】
技术研发人员：王新沛，刘彤彤，李远洋，刘常春，张焕，焦宇，
申请(专利权)人：山东大学，
类型：发明
国别省市：