[发明专利]一种心音信号分类识别方法及装置

说明书

技术领域

本发明属于智能控制应用技术领域，尤其涉及一种心音信号分类识别方法及其装置，为相关心脏疾病的自动分类提供有效工具。

背景技术

心音中包含有关于心脏的大量生理和病理信息。当心血管疾病尚未发展到足以产生临床及病理改变前，心音中出现的杂音和畸变对心脏瓣膜病及某些先天性心脏病的诊断有重要意义。心音听诊是检查心脏功能完整性的一种重要方式，受过专业训练的内科医生借由听诊器即能大概诊断出该病患是否患有心脏疾病，但心脏听诊易受医生经验、听诊水平的影响和限制，而且要得到具体的病征类型还需要进一步分类确定。

病理性心脏杂音一般通过先进的成像技术来评估，其中超声心动图是最为突出和有效的检测技术，但是价格昂贵。因此，需要开发一种低成本，同时可以精确检测心脏杂音的医疗设备，这一需求也推动了心脏杂音在生理性和病理性分类识别方面的研究。

国内外研究学者主要通过数字信号处理技术提取心脏杂音的特征参数，利用模式识别方法训练分类器，以实现自动识别不同病理性心音的目的。例如，2001年科罗拉多大学健康科学中心儿童医院的CG.DeGroff等首先在69例有心脏杂音的儿童中验证了人工神经网络在生理性和病理性杂音分类识别中的有效性。紧接着一大批的学者加入了后续的研究工作。2005年SR.Bhatikara等用FFT分析从241例儿童心脏杂音(88例生理性杂音，153例病理性杂音)中提取能量谱，通过人工神经网络进行生理性和病理性杂音分类识别。2006年C.Ahlstrom等利用香农能量、小波、分形维数及递归分析等方法提取多种心音特征，结合Pudil′s的连续前移选择(SFFS)方法获得多维数据子集，最后利用人工神经网络进行生理性和病理性心杂音分类识别。这些研究成果开阔了心音分类的研究思路，但是这些方法需要提取多种心音参数作为心音分类标准，提取过多心音参数又使得提取、运算、识别过程繁琐，不得不依靠结构复杂、计算功能强大的计算机系统来执行心音信号的分类处理，不仅分类识别速度较慢，而且系统不便于随身携带。

发明内容

针对现有技术中存在的上述不足，本发明的一个目的在于提供一种提取参数更少、分类识别效率更高的心音信号分类识别方法；该发明目的是这样实现的：

一种心音信号分类识别方法，包括如下步骤：

a)采集心音信号，经放大、滤波后，输入到处理器进行处理；

b)处理器提取心音信号的Mel频率倒谱系数；

c)利用步骤a)和b)，提取模板信号的Mel频率倒谱系数C；所述模板信号即作为模板的心音信号；

d)基于Mel频率倒谱系数C，采用最大似然估计的方法获取模板信号的模板特征即：

λ^=argmaxλP(C|λ);]]>

其中，λ为估计的高斯混合模型特征，P(C|λ)为λ的似然度；然后存储各个模板信号的模板特征及其对应的分类；

e)利用步骤a)和b)，提取待测的心音信号的Mel频率倒谱系数C′；

f)计算待测的心音信号的Mel频率倒谱系数分别与各个模板信号的模板特征之间的似然度，将最大似然度对应的模板信号的分类作为分类识别结果输出。

上述方案中，所述步骤d)中获取模板信号的模板特征的具体步骤如下：

(d1)估计模板信号的初始高斯混合模型参数λ，按如下公式计算其似然度P(C|λ)：