CN106652714B - 一种基于级联无损声管的心音产生模型 - Google Patents

Abstract

本发明公开了一种基于级联无损声管的心音产生模型，包含心音采集模块、心音预处理模块、共振峰分析模块、模型建立模块与分析诊断模块，心音采集模块用于采集实测者的实时心音信号；心音预处理模块的输入信号为来自心音采集模块的实测心音，用于对实测心音去噪并分段得到第一心音和第二心音，并连接到共振峰分析模块；共振峰分析模块用于提取第一心音和第二心音的共振峰频率，其共振峰频率作为目标参数连接到模型建立模块；模型建立模块将最终的模型内半径作为输出参数连接到分析诊断模块；分析诊断模块根据模型内半径与阈值对比的结果，诊断是否存在心力衰竭的症状。本发明模型可以根据发声机理仿真心音信号的产生过程，具有非表象性,计算快捷。

Description

一种基于级联无损声管的心音产生模型

技术领域

本发明属于医学模型领域，具体涉及一种基于级联无损声管的心音产生模型。

背景技术

生物体所产生的每一种声音，其声学特性都源自于两个因素，一个是发声***，另一个是共振***。心音作为一种重要的生物体信号，它是由于心肌收缩和舒张，瓣膜启闭，血流冲击心室壁和大动脉等因素引起的一系列机械振动所产生的。在心音的产生过程中，心脏的瓣膜是心音的发声***；心房、心室以及动脉血管则是心音的共振***。心脏瓣膜的启闭产生了原始心音波形，当原始心音经过心房、心室以及动脉血管时，受到腔体的调制作用，心音的能量分布被重新分配。在某些特定频段，由于共振作用，心音的能量得到加强，由此产生了能够表征心音特征的共振峰频率。因此，共振峰频率值的分布同心脏内部心房、心室以及动脉血管的尺寸和形状有着密切联系。

伴随着年龄的不断增长，心肌的收缩力与舒张力也会不断下降，各式各样的心血管疾病由此产生。因此，在青壮年人群与老年人群之间，健康者与心脏疾病患者之间，其心脏内部的尺寸和形状会存在很大差异。

现有的心音模型可以分为两种类型，一种是以调制正弦波的方式逼近心音时域波形，能够很好地反映心音信号的时域特性；另一种心音模型则是采用将血液的流体力学参数等效为电参数的方法，模拟心动周期中血流、血压等生理参数的变化情况。但是，心音作为一种声学信号，现有的模型没有能够从声学角度去反映心音的产生过程；而且模型的建立并未与心脏内部的结构特征产生联系，这对于病理心音的解释缺乏一定的说服力。

综上所述，客观上需要通过一种新的模型来凸显心脏内部结构与心音产生过程之间的联系，以及心音特征与心脏内部结构特征之间的联系，为心音产生机理的研究、病理心音的特征分析以及心脏疾病的诊断提供可靠的理论基础。

发明内容

本发明要解决的技术问题是针对现有的模型没有能够从声学角度去反映心音的产生过程以及模型的建立并未与心脏内部的结构特征产生联系的缺陷。

为达到上述目的，本发明提出的技术方案是一种基于级联无损声管的心音产生模型，该模型包含五个模块，分别是心音采集模块、心音预处理模块、共振峰分析模块、模型建立模块与分析诊断模块，所述心音采集模块用于采集实测者的实时心音信号；心音预处理模块的输入信号为来自心音采集模块的实测心音，用于对实测心音去噪并分段得到第一心音和第二心音，并连接到共振峰分析模块；共振峰分析模块的输入信号来自心音预处理模块，用于提取所述第一心音和第二心音的共振峰频率，其共振峰频率作为目标参数连接到模型建立模块；模型建立模块的输入参数为初始模型内半径，通过逼近实测心音共振峰频率的方法建立对应心音的级联无损声管模型，将最终的模型内半径作为输出参数连接到分析诊断模块；分析诊断模块的输入来自模型建立模块，根据模型内半径与阈值对比的结果，诊断是否存在心力衰竭的症状。

进一步，上述心音采集模块使用的心音采集器的采样频率设置在2000Hz以上，对采集到的心音信号进行模‐数转换，并传输至PC端进行处理。

上述心音预处理模块采用小波变换对心音信号进行去噪处理，然后采用归一化平均香农能量的方法提取心音的能量包络线，利用能量包络线准确地标记出S1和S2的起始和终止位置。

上述小波变换的具体步骤是将采集到的心音信号通过db6小波包作5层分解，分别选取三个小波分量进行重构完成去噪。

作为优选，上述三个小波分量分别是d3：100‐200Hz，d4：50‐100Hz，d5：25‐50Hz。

上述共振峰分析模块采用线性预测编码方式(Linear Predictive Coding，LPC)对心音信号进行共振峰分析时，心音信号样本s(n)可表示为相应的传输函数为根据H_LPC(z)的零点判断共振峰的极点及所对应的共振峰频率。

上述模型建立模块建立S1和S2模型的具体步骤如下：

第1步：输入心音的实测信号，对其进行去噪并分段得到S1和S2；

第2步：基于LPC提取S1和S2的共振峰频率{Ff₀ ⁱ}，即目标参数；

第3步：根据医学上对心脏各部位尺寸的描述，初始化模型的内半径{R_m}；

第4步：读入{R_m}，根据H_Model(z)，得到模型产生的共振峰频率{Ffⁱ}；

第5步：计算共振峰频率的差值d_i＝Ffⁱ‐Ff₀ ⁱ；

第6步：设定阈值t＝5Hz，若d_i<t，流程结束，模型建成，获得模型的内半径；否则进入第7步；

第7步：利用逐级逼近法来调整{R_m}，返回至第4步。

上述分析诊断模块用于诊断心力衰竭症状，包括心肌舒张力和心肌收缩力两项指标，诊断方法分别如下：

对于心肌舒张力：针对不同年龄段的健康实测者，为其S1的级联无损声管模型的内半径设置正常范围，并设置内半径的最小阈值，若实测者第一心音模型的内半径小于该阈值，判断为心肌舒张力不足；

对于心肌收缩力：针对不同年龄段的健康实测者，为其S2的级联无损声管模型的内半径设置正常范围，并设置内半径的最大阈值，若实测者第二心音模型的内半径大于该阈值，判断为心肌收缩力不足。

与现有技术相比，本发明的有益效果在于：

1，从声学角度出发，将共振峰频率作为模型的目标参数，不仅能够反映心音作为声音信号的声学特性，而且，心音的共振峰频率具有稳定性和独特性，即来自同一个人的心音共振峰频率非常接近，而来自不同人的心音共振峰频率差异明显，因此共振峰频率可以作为新的心音特征应用于心音的分类识别研究中。

2，本发明以内半径{R_m}作为模型参数，将心音模型与心脏内部的形状和尺寸特征相联系，很好地反映了在心音产生过程中心脏的收缩与舒张状态，正常心音与病理心音都能够被很好的模拟，这对于分析心音产生过程以及解释病理心音的产生原因提供了更为可靠的理论依据。

附图说明

图1是基于级联无损声管的心音产生模型的示意图。

图2是基于级联无损声管模型诊断心力衰竭症状的实现流程示意图。

图3是建立S1和S2级联无损声管模型的流程图。

图4是提取S1和S2共振峰频率的示意图。

图5是确定S1和S2模型的内半径的示意图。

具体实施方式

现结合附图对本发明做进一步详细的说明。本发明涉及的主要内容是针对心音产生过程与心脏内部结构的联系，从发声声学角度出发，将心脏内部的心室和动脉血管等效为长度相等，内半径不等的多级无损声管，通过对声管内半径的增大和减小，模拟在心动周期中，心室以及动脉血管的舒张与收缩状态。根据心音特征与心脏内部结构特征之间的联系，分别选取第一心音(S1)和第二心音(S2)共振峰频率作为模型的目标参数进行研究，结合归一化平均香农能量的分段算法，对心音信号进行分段获得第一心音和第二心音，并基于线性编码预测(LPC)方法分别提取第一心音和第二心音的共振峰频率。通过一种逐级逼近法，将模型仿真出的共振峰频率与实际心音的共振峰频率进行逼近。最终，分别得到第一心音和第二心音的级联无损声管模型。利用该模型分别对正常心音信号和病理心音信号进行仿真，实验结果表明，共振峰频率作为模型的目标参数能够表征心音的稳定性和独特性；心音的产生过程通过该模型能够得到很好的模拟；通过正常心音模型与病理心音模型的比较，病理心音的特征得到了凸显，心脏疾病的产生原因也得到了合理的解释。

第一心音标志着心脏收缩期的开始，房室的内半径处于最大状态，此刻的内半径能够表征心肌舒张力；第二心音标志着心脏舒张期的开始，房室的内半径处于最小状态，此刻的内半径能够表征心肌收缩力。基于上述理论，提出了能够诊断心力衰竭症状的技术实现方案。即为第一心音的级联无损声管模型设置内半径的阈值，当实测者第一心音模型的内半径小于该阈值，判断为心肌舒张力不足；同时，为第二心音的级联无损声管模型设置内半径的阈值，当实测者第二心音模型的内半径大于该阈值，判断为心肌收缩力不足。

如图1所示，本发明提出了一种基于级联无损声管的心音产生模型。基于该模型实现心力衰竭诊断的***框架由五个模块组成，分别为：心音采集模块、心音预处理模块、共振峰分析模块、生成模型模块与分析诊断模块，如图2所示。其中心音采集模块用于采集实测者的实时心音信号；心音预处理模块用于对实测心音去噪并分段得到第一心音和第二心音；共振峰分析模块用于提取第一心音和第二心音的共振峰频率；模型建立模块是通过逼近实测心音共振峰频率的方法过得对应心音的级联无损声管模型；分析诊断模块是根据模型内半径与阈值对比的结果，诊断是否存在心力衰竭的症状。

1.采集模块，采用的是一款肩戴式无线心音采集器，心音采集器由密封的听诊共振腔和声音传感器组成，并将声音传感器放置于密封共振腔内以获取低频特性较好的心音信号。采样频率设置为11025Hz，然后对采集到的心音信号进行模拟‐数字转换，并传输至PC端进行处理。

2.预处理模块主要分为两个去噪和分段两个步骤，具体内容为：

(1)去噪。采用小波变换对心音信号进行去噪处理，该方法具有时间局部性好、能量集中度高等优点。将采集到的心音信号通过db6小波包作5层分解；考虑到S1和S2的频率都在200Hz以下，分别选取d3(100‐200Hz)、d4(50‐100Hz)和d5(25‐50Hz)三个小波分量进行重构即可完成去噪；

(2)分段。采用归一化平均香农能量的方法实现S1和S2的分段，香农能量具有对低强度信号的削弱作用大于高强度信号的特点，提取的能量包络线更能反映信号的峰值和能量变化的趋势，因此可以利用能量包络线准确的标记出S1和S2的起始和终止位置。

3.共振峰分析模块。线性预测编码(Linear Predictive Coding，LPC)是对声音信号进行共振峰分析最为有效的方法之一。它的特点在于能够精确地表征音频信号的幅度谱，且所需的计算量相对而言并不大，其中最主要的特点在于能够从预测系数构成的多项式中精确地估计共振峰频率。在对心音信号进行共振峰分析时，心音信号样本s(n)可表示为

式中，u(n)为激励函数，G为增益，{a_k，k＝1,2,3,…,p}是LPC系数。相应的传输函数H_LPC(z)为

上式还可以表示为p个极点的级联形式：

式中，z_k＝r_kexp(jθ_k)是H(z)在z平面上第k个极点。若H_LPC(z)是稳定的，其所有极点都在z平面的单位圆内。则第k个共振峰的频率F_k＝θ_k/2πT，T是心音信号的采样周期。心音信号的共振峰可以根据传输函数进行估计，最直接的方法是对H_LPC(z)的分母进行多项式求零点，根据求得的零点判断共振峰的极点及所对应的共振峰频率。

4.模型建立模块。利用反射性传输线的理论，计算得到级联无损声管模型的传输函数为：

式中，N为声管的级数，k_i为第i个节点的反射系数根据模型的传输函数，分别建立S1和S2的级联无损声管模型，流程图如附图3所示。具体的步骤如下：

第1步：输入心音的实测信号，对其进行去噪并分段得到S1和S2；

第2步：基于LPC提取S1和S2的共振峰频率{Ff₀ ⁱ}，即目标参数，如附图4所示；

第3步：根据医学上对心脏各部位尺寸的描述，初始化模型的内半径{R_m}；

第4步：读入{R_m}，根据H_Model(z)，得到模型产生的共振峰频率{Ffⁱ}；

第5步：计算共振峰频率的差值d_i＝Ffⁱ‐Ff₀ ⁱ；

第6步：设定阈值t＝5Hz，若d_i<t，流程结束，模型建成，获得模型的内半径，如附图5所示；否则进入第7步；

第7步：利用一种声管内半径的逐级逼近法来调整{R_m}，返回至第4步。

其中，心音声管内半径的逐级逼近法，用来确定模型的内半径值{R_m}，如下表所示，该算法的方法如下：

(1){R_m}与{Ffⁱ}存在如下表的变化规律。其中，“↑”表示上升，“↓”表示下降，“-”表示不影响。

(2)横向逼近。根据表中的横向规律，依次调整R₁、R₂、R₃…...R₉，每次上升或下降的幅度为R_m的20％，使得{Ffⁱ}→{Ff₀ ⁱ}，直到d_i≤50Hz为止。

(3)纵向逼近。根据表中的纵向规律，在不考虑其它三个Ffⁱ情况下，单独逼近Ff¹‐Ff⁴，并按照“Ff¹→Ff²→Ff³→Ff⁴→Ff¹→Ff²……”的顺序依次循环逼近，其中每轮循环上升或下降的幅度依次为R_m的10％、5％、2.5％......直到差值d_i≤5Hz，算法结束。

表{R_m}与{Ffⁱ}的变化规律

5.分析诊断模块。包括以下两个指标：心肌舒张力和心肌收缩力。

(1)心肌舒张力：针对不同年龄段的健康实测者，为其S1的级联无损声管模型的内半径设置正常范围，并设置内半径的最小阈值，若实测者第一心音模型的内半径小于该阈值，判断为心肌舒张力不足。

(2)心肌收缩力：针对不同年龄段的健康实测者，为其S2的级联无损声管模型的内半径设置正常范围，并设置内半径的最大阈值，若实测者第二心音模型的内半径大于该阈值，判断为心肌收缩力不足。

Claims (6)

1.一种基于级联无损声管的心音产生模型，其特征在于，该模型包含五个模块，分别是心音采集模块、心音预处理模块、共振峰分析模块、模型建立模块与分析诊断模块，所述心音采集模块用于采集实测者的实时心音信号；心音预处理模块的输入信号为来自心音采集模块的实测心音，用于对实测心音去噪并分段得到第一心音和第二心音，并连接到共振峰分析模块；共振峰分析模块的输入信号来自心音预处理模块，用于提取所述第一心音和第二心音的共振峰频率，其共振峰频率作为目标参数连接到模型建立模块；模型建立模块的输入参数为初始模型内半径，通过逼近实测心音共振峰频率的方法建立对应心音的级联无损声管模型，将最终的模型内半径作为输出参数连接到分析诊断模块；分析诊断模块的输入来自模型建立模块，根据模型内半径与阈值对比的结果，诊断是否存在心力衰竭的症状。

2.根据权利要求1所述的基于级联无损声管的心音产生模型，其特征在于，所述心音采集模块使用的心音采集器的采样频率设置在2000Hz以上，对采集到的心音信号进行模-数转换，并传输至PC端进行处理。

3.根据权利要求1所述的基于级联无损声管的心音产生模型，其特征在于，所述心音预处理模块采用小波变换对心音信号进行去噪处理，然后采用归一化平均香农能量的方法提取心音的能量包络线，利用能量包络线准确地标记出S1和S2的起始和终止位置。

4.根据权利要求3所述的基于级联无损声管的心音产生模型，其特征在于所述小波变换的具体步骤是将采集到的心音信号通过db6小波包作5层分解，分别选取三个小波分量进行重构完成去噪。

5.根据权利要求4所述的基于级联无损声管的心音产生模型，其特征在于所述三个小波分量分别是d3：100-200Hz，d4：50-100Hz，d5：25-50Hz。

6.根据权利要求1所述的基于级联无损声管的心音产生模型，其特征在于，所述分析诊断模块用于诊断心力衰竭症状，包括心肌舒张力和心肌收缩力两项指标，诊断方法分别如下：

对于心肌舒张力：针对不同年龄段的健康实测者，为其S1的级联无损声管模型的内半径设置正常范围，并设置内半径的最小阈值，若实测者第一心音模型的内半径小于该阈值，判断为心肌舒张力不足；

对于心肌收缩力：针对不同年龄段的健康实测者，为其S2的级联无损声管模型的内半径设置正常范围，并设置内半径的最大阈值，若实测者第二心音模型的内半径大于该阈值，判断为心肌收缩力不足。