小波神经网络在心音中应用

《小波神经网络在心音中应用》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、小波和神经网络在心音识别摘要:一种心音的特征提取和分类方法被提出，用离散小波变换分解和重构来产生信号的细节包络，进而用于提取特征，一些统计特性从预处理的信号中提取出来，作为心音分类的特征，多层感知器用于心音的分类，所提方法的性能通过250个心动周期得到验证，本文提出的算法的识别率达到92%.1引言心音是人体最重要的生理信号之一。长期以来心音听诊一直是医生诊断疾病的一种重要手段，它可以提供心血管系统异常的重要信息。正常的心音包含第一心音（S1）、第二心音（S2）、第三心音（S3）和第四心音（S4）四个成分，第一心音的频率成分主要集中在50-150HZ范围内，而

2、第二心音的频率成分主要集中在50-200HZ范围内。其中S1、S2是可以听闻的部分，S3、S4强度很弱，几乎不可听闻。心音的每一部分对应着心脏各器官的功能，比如，房室瓣的关闭是产生第一心音的主要因素，半月瓣关闭时产生第二心音的主要成分。在听诊中，观察者一般各自听和分析心音的成分，第一心音(S1)心脏舒张期，第二心音（S2）心脏收缩期,收缩期主要在S1和S2之间，而舒张期主要在S2与S1之间，在非正常的心音中，可能还存在第三心音(S3)，第四心音(S4)，杂音等，这些在有助于检测疾病。在听诊中要检测的重要的特征有心音的韵律，心音成分的相对强度，S2的分裂，杂音

3、的存在等等，尽管心音的很多定量描述已经知道，但是，仅仅通过听诊很难确定他们的特征，实际上，听诊仅仅依靠于人身体上的一些点，在这些地方，心音很容易听到，但是需要很多的医学经验的，而且很不容易得到，计算机辅助工具有助于来确定这些特征，早期的研究者，已经提出个几种关于心音特征提取的方法，ZINet.al.[3]用瞬时能量和频谱估计(IEFE)技术来提取心音的特征，过零点交叉频率估计和中心极限差分估计这两种方法来确定IEFE,文献[4]中，特征的提取主要基于归一化自回归能量频谱密度曲线，在特征提取之前，用小波分解来处理心音信号，通过选取合适的阈值，去除噪声，从而两个

4、特征被提取出来：fmax和fwidth.当今，有很多方法来识别心音信号的，比如在文献[5]提到的基于专家系统的规则，文献[6]中决策树支持系统，和文献[4]的SVM技术，平滑伪Wigner-Ville分布[7],文献[8]连续隐性马尔可夫模型和神经网络比如MLP,LVQ,SOM,GAL,RBF等在文献[9]中，心音信号用小波进行预处理，用信号的能量作为进一步分类的特征，在本文中，提出一种新的方法来提取心音的特征，主要是基于信号均值和标准方差的统计特征，然后这些信号用多层感知器来分类，用Levenberg-Marquardt算法来训练神经网络，神经网络在初期的

5、研究中，主要是由于它在MATLAB中简单和易于得到，本文所到的研究主要考虑正常心音和4种常见的心脏瓣膜失调的类型：主动脉狭窄，主动脉返流，二尖瓣狭窄和二尖瓣返流.2小波分解与重构思想由于心音中含有噪声，比如呼吸、人的移动、皮肤的擦音、心音传感器放置的位置以及其他的环境噪音。因此有必要对心音进行预处理，去除各种“噪音”，在这里主要用小波的阈值去噪。小波去噪是在小波分解基础上的阈值降噪方法。已知时间信号，称（1）为的连续小波变换，其中为小波基函数，是由同一母函数经伸缩和平移后得到的一组函数序列。定义离散小波函数为：（2）经离散小波变换之后，信号被分解为低频成分和

6、一系列高频成分。有效信号多分布在低频部分，噪声则多分布在高频部分，同时信号的系数要大于噪声的系数，于是可以找到一个合适的数作为阈值对高频部分进行去噪。当小于该阈值时，认为这时的主要是由噪声引起的，并置为零；当大于域值时，认为这时的主要由信号引起的，则把这部分的直接保留下来（硬阈值方法）或者按某一定量向零收缩（软阈值方法），然后由新的小波系数重构得到去噪后的信号。本系统采用Matlab提供的SURE函数去噪，可以设置一个百分比，把高频系数中系数较小的那一部分系数设为0，然后再重构，达到消噪的目的信号用离散小波变换来分解和重构，小波变换把信号分解成一些基函数，这

7、些函数在时间和频率上被局部化，所以很容易适合分析非平稳信号，在本文中，用db2小波分解信号，D4细节如图1所示，这个细节给出很多关于S1和S2的信息，对信号这样处理的另一原因主要是S1和S2的频率比较低[2]，然后对D4细节用用前面介绍的小波软阈值去噪，软阈值门限主要通过启发式SURE来得到的，这些细节的系数主要是用db2分解四层来得到的.此方法的有以下步骤：(1)对信号f(k)做四层小波分解，提出去D4细节的系数(2)通过用启发式SURE函数得到软阈值门限，对D4细节的系数处理得到去噪后的系数(3)利用进行小波重构，得到去噪后的信号经过上面的预处理后，心音

8、的周期被分割，在这里S1被用作起点，为了辨别那个是S