心音中医学指标的提取

doi:10.3778/j.issn.1002-8331.2011.03.063

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (3): 214-217.DOI: 10.3778/j.issn.1002-8331.2011.03.063

心音中医学指标的提取

郭兴明¹，林辉杰¹，肖守中^1，2

1.重庆大学生物工程学院重庆市医疗电子技术工程研究中心，重庆 400030
2.重庆博精医学信息研究所，重庆 400030

收稿日期:2009-07-14 修回日期:2009-11-09 出版日期:2011-01-21 发布日期:2011-01-21
通讯作者: 郭兴明

Medical parameters extraction of heart sounds

GUO Xingming¹，LIN Huijie1，XIAO Shouzhong^1，2

1.Chongqing Engineering Research Center for MET，College of Bioengineering，Chongqing University，Chongqing 400030，China
2.Bojing Medical Information Institute，Chongqing 400030，China

Received:2009-07-14 Revised:2009-11-09 Online:2011-01-21 Published:2011-01-21
Contact: GUO Xingming

摘要/Abstract

摘要： 根据心音信号自身的特点，结合经验模式分解，提出了一种从心音信号中提取医学指标的方法。对心音信号进行预处理，然后对预处理后的信号采用黄变换，获取各阶固有模态函数（IMFs），从中选取第一和第二阶IMF进行希尔伯特变换，得到心音的包络。利用双阈值法，并给出具体的阈值，实现了对第一心音（S1）和第二心音（S2）的定位，从心音信号中获取了心率S1和S2的幅值比（S1/S2）以及舒张期和收缩期的时限比（D/S），为临床上评估心脏储备提供了便利。

关键词: 经验模式分解, 双阈值法, 心率, S1和S2的幅值比, 舒张期和收缩期的时限比

Abstract: A method for medical parameters extraction from heart sounds is proposed based on the intrinsic property of heart sounds and empirical mode decomposition.The original signal is pre-processed，then Huang transform is applied to the pre-processed signal.Kinds of order of Intrinsic Mode Functions（IMFs） are acquired from Huang transform.The envelop of heart sounds is extracted from the Hilbert transform of first and second order of the IMFs.The location of the first and second heart sound is identified by explicit double threshold.In addition，heart rate，the amplitude ratio of the first and second heart sound（S1/S2） and the duration ratio of the diastolic and systolic（D/S） are detected which benefit the evaluation of cardiac reserve in clinics.

Key words: empirical mode decomposition, double threshold, heart rate, S1/S2, D/S

中图分类号:

R318

郭兴明¹，林辉杰¹，肖守中^1，2. 心音中医学指标的提取[J]. 计算机工程与应用, 2011, 47(3): 214-217.

GUO Xingming¹，LIN Huijie1，XIAO Shouzhong^1，2. Medical parameters extraction of heart sounds[J]. Computer Engineering and Applications, 2011, 47(3): 214-217.

[1]	倪宗军，陈辉，张昀，苏敏，郑秀娟. 自适应去噪的非接触式生理参数检测方法[J]. 计算机工程与应用, 2021, 57(5): 153-160.
[2]	陈明月，刘三阳. 自适应流形学习在故障诊断中的应用[J]. 计算机工程与应用, 2021, 57(3): 247-252.
[3]	张学军1，2，王龙强1，黄婉露1，黄丽亚1，2，成谢锋1，2. EMD和CSP融合最优波长空间滤波脑电特征提取方法[J]. 计算机工程与应用, 2018, 54(24): 149-155.
[4]	王霞1，王丹1，王光艳2，张艳1. 压缩感知与EMD相结合的带噪面罩语音增强[J]. 计算机工程与应用, 2017, 53(18): 137-140.
[5]	张学军 1，2，黄婉露1，黄丽亚1，2，成谢锋1，2. 公共空间模式算法结合经验模式分解的EEG特征提取[J]. 计算机工程与应用, 2017, 53(13): 9-15.
[6]	刘祎，欧阳健飞，闫勇刚. 基于普通摄像头的心率测量方法研究[J]. 计算机工程与应用, 2016, 52(7): 210-214.
[7]	王卫朝1，石国良2，李晓2，金炜东2. 应用EMD熵和ReliefF分析高铁横向减振器故障[J]. 计算机工程与应用, 2016, 52(14): 226-231.
[8]	吴龙华1，朱嘉钢1，陆晓2. 抑制边缘效应的自适应单通道盲源分离[J]. 计算机工程与应用, 2016, 52(14): 130-135.
[9]	吕德卫1，李章勇1，2，庞宇1，任斌斌2，刘芳芳1. 基于智能终端的精神压力分析系统的设计[J]. 计算机工程与应用, 2016, 52(10): 231-236.
[10]	刘蕾1，董洪伟1，童晶2. 基于视频的心率测量算法研究[J]. 计算机工程与应用, 2015, 51(18): 199-203.
[11]	潘峥嵘，戴芮，张宁. 改进的基音周期检测算法研究[J]. 计算机工程与应用, 2015, 51(10): 223-226.
[12]	谢文俊1，2，齐蓉1，肖蕾3. 基于EMD方法的机电作动系统故障特征提取[J]. 计算机工程与应用, 2014, 50(3): 247-249.
[13]	李广琼，陈荣元. 基于EMD和自适应提升小波分析的图像增强[J]. 计算机工程与应用, 2014, 50(21): 195-199.
[14]	孙澄宇，陈海粟，白文峰. 步行姿态驱动的虚拟漫游控制及校准方法初探[J]. 计算机工程与应用, 2014, 50(20): 48-52.
[15]	郭耸1，2，顾国昌2，李常有3，栾方军1，宋晓宇1. 利用EMD的自适应图像去噪[J]. 计算机工程与应用, 2013, 49(8): 12-16.

心音中医学指标的提取

Medical parameters extraction of heart sounds

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics