基于小波變換的病灶心音信號(hào)識(shí)別

李麗，胡方明

西安電子科技大學(xué) 生命科學(xué)技術(shù)學(xué)院，陜西 西安 710071

0 前言

在我國(guó)，心血管疾病已對(duì)國(guó)民的健康造成了威脅，生活方式的轉(zhuǎn)變不僅引發(fā)了高血脂、高血壓、高血糖等危險(xiǎn)因素，也使心血管疾病呈持續(xù)快速上升趨勢(shì)，國(guó)家每年花費(fèi)上千億的經(jīng)費(fèi)用于心血管防治[1]。在心血管疾病診斷技術(shù)中，心音信號(hào)分析發(fā)揮著十分重要的作用[2]。通過(guò)心音診斷技術(shù)檢測(cè)病灶信號(hào)可以實(shí)現(xiàn)無(wú)創(chuàng)診斷，及早發(fā)現(xiàn)疾病并做好早期治療工作。

隨著對(duì)小波變換的深入研究，小波變換應(yīng)用日益廣泛，在心音信號(hào)的提取和分析技術(shù)中起著重要的作用[3]。小波變換的優(yōu)點(diǎn)是，能同時(shí)對(duì)信號(hào)時(shí)域和頻域進(jìn)行分析，具有良好的頻域投射特點(diǎn)，因而能夠?qū)⑿囊粜盘?hào)投射到不同尺度中進(jìn)行能量分析。目前，心音信號(hào)基于小波包變換的處理算法復(fù)雜度高、處理速度慢，且對(duì)硬件要求高，因而實(shí)用性不強(qiáng)。本文提出了一種基于小波多尺度分解和能量變換分析的方法，通過(guò)對(duì)比相應(yīng)尺度上的正常心音信號(hào)和非正常心音信號(hào)，準(zhǔn)確檢測(cè)出病灶信號(hào)。本文采用的是計(jì)算復(fù)雜度低的算法，因此具有較高的檢測(cè)效率和實(shí)用性。

1 方法原理圖

基于小波變換的病灶心音信號(hào)識(shí)別方法原理，見(jiàn)圖1。本文首先讀取4個(gè)周期長(zhǎng)度的心音信號(hào)并進(jìn)行小波變換，再將其投射到不同的頻率段內(nèi)，不同頻率段信號(hào)代表不同的能量分布，計(jì)算每層的高頻部分能量及分布，通過(guò)對(duì)比正常心音和非正常心音的分布來(lái)實(shí)現(xiàn)對(duì)病灶信號(hào)的識(shí)別。

2 心音信號(hào)提取

2.1 心音信號(hào)分析

正常心音包括4種成分，分別用S1、S2、S3、S4表示。正常情況下人工聽(tīng)診能聽(tīng)到S1和S2，幾乎聽(tīng)不到S3和S4。聲音S1由二尖瓣和三尖瓣關(guān)閉產(chǎn)生，發(fā)生在心室收縮初期，是心室收縮期開(kāi)始的標(biāo)志。聲音S2由主動(dòng)脈瓣和肺動(dòng)脈瓣的關(guān)閉產(chǎn)生，發(fā)生在心室舒張期，是心室舒張期開(kāi)始的標(biāo)志。一旦心臟功能出現(xiàn)異常，心音中將包含S1和S2以外的雜音，這些雜音的頻率成分強(qiáng)度以及頻率的分布都是研究的重點(diǎn)[4]。

通常心音的頻域范圍在 10～1000 Hz 之間，正常心音圖，見(jiàn)圖2。第一心音S1音調(diào)低，持續(xù)時(shí)間長(zhǎng)，主要分布在中、低頻范圍，其波峰的低頻范圍為 10～50 Hz，中頻范圍為50～140 Hz。第二心音S2持續(xù)時(shí)間短，頻率較高，在低、高頻率范圍內(nèi)都有分布，其波峰的低頻范圍為 10～80 Hz，中頻范圍為 80～200 Hz，高頻范圍為 220～400 Hz[5]。

以前心臟疾病的診斷大部分是利用聽(tīng)診器，個(gè)人主觀因素對(duì)診斷結(jié)果影響很大，隨著現(xiàn)在高靈敏傳感器的使用和數(shù)字化處理技術(shù)的發(fā)展，利用心音信號(hào)進(jìn)行疾病診斷更加客觀和準(zhǔn)確[6]。現(xiàn)代醫(yī)學(xué)中利用小波變換的處理方式分析比較心音信號(hào)，使得心音診斷簡(jiǎn)單和準(zhǔn)確。本文采用離散多尺度小波變換方法對(duì)截取的心音信號(hào)進(jìn)行變換。

圖2 正常心音圖

2.2 離散小波變換

小波變換是信號(hào)處理領(lǐng)域中迅速發(fā)展的一個(gè)新領(lǐng)域，是傅里葉變換之后一個(gè)新的里程碑。與傅里葉變化和加窗傅里葉變化相比較，通過(guò)伸縮和平移對(duì)信號(hào)進(jìn)行多分辨率的分析,很好地解決了時(shí)間分辨率和頻率分辨率的矛盾[7]。小波變化分為連續(xù)小波變換和離散小波變換，在實(shí)際應(yīng)用中，心音信號(hào)經(jīng)過(guò)采集以后為離散的信號(hào)f（t），再結(jié)合離散小波變換特有的特點(diǎn)進(jìn)行分析， 小波ψa,b(t )變?yōu)椋?/p>

離散小波變換定義為：

則心音信號(hào)通過(guò)的離散小波變換分解式為：

離散小波變化后的系數(shù)表示式為：

2.3 離散小波變換提取信號(hào)

在小波分析中，多分辨率分析是使用不同尺度的正交小波基對(duì)信號(hào)進(jìn)行分解的，將信號(hào)分解到正交的不同頻段上[8]。Daubechies小波為正交小波，也為雙正交小波，并且為緊支撐，Φ(t)的支撐范圍在t=0-(2N-l)，ψ(t)的支撐范圍在(1-N)-N。小波ψ(t)具有N階消失矩，ψ(Ω)在Ω=0處具有N階零點(diǎn)。Daubechies小波db6的小波與尺度圖形，見(jiàn)圖3～4。

圖3 db6的小波圖形

圖4 db6尺度的圖形

本文心音數(shù)據(jù)為教學(xué)用標(biāo)準(zhǔn)心音音頻，其采樣率為11025Hz，根據(jù)心音信號(hào)的特點(diǎn)，采用Dabbechies（db6）對(duì)心音信號(hào)進(jìn)行7層分解，小波變換的空間劃分示意圖，見(jiàn)圖5；離散小波變換的分解示意圖，見(jiàn)圖6。

圖5 小波變換的空間劃分示意圖

圖6 離散小波變換的分解示意圖

計(jì)算出每層的高頻系數(shù)后，再根據(jù)心因信號(hào)的特點(diǎn)確定分解層數(shù)。本文仿真實(shí)驗(yàn)中，對(duì)心音進(jìn)行7層分解，正常心音信號(hào)和異常心音的7層系數(shù)分布圖，見(jiàn)圖7～8。

從圖中可以看出，噪聲信號(hào)主要集中在cd1～cd4中，信號(hào)的部分能量也在其中。在5～7層中主要分布信號(hào)的能量，可以明顯地看到心音信號(hào)能量的分布特點(diǎn)。

3 能量提取與數(shù)據(jù)分析

3.1 小波重構(gòu)每層的高頻能量處理

本文通過(guò)大量的仿真實(shí)驗(yàn)發(fā)現(xiàn)，病灶信號(hào)的異常能量主要集中分布在4～7層，具體算法步驟如下。

（1）計(jì)算每層的細(xì)節(jié)系數(shù)。本文中L=7，L為層數(shù)，利用小波基函數(shù)對(duì)截取的心音信號(hào)進(jìn)行分解和重構(gòu)。從前3層中可以看出主要集中的是外界的高頻噪聲，在第4～7層中病灶信號(hào)和正常信號(hào)的波形發(fā)生變化。

（2）對(duì)高頻系數(shù)重構(gòu)后計(jì)算每層能量。能量和信號(hào)之間相關(guān)性是信號(hào)識(shí)別最為重要的兩個(gè)判斷指標(biāo)，由于外界噪聲的影響，數(shù)據(jù)間的相關(guān)性發(fā)生較大的變化[9]。因此本文采用能量作為病灶信號(hào)的判斷指標(biāo)。

（3）計(jì)算每層能量在總能量中的比重。對(duì)能量進(jìn)行歸一化處理，以減少噪聲對(duì)系統(tǒng)算法造成的影響，能量直方圖，見(jiàn)圖9～10；能量趨勢(shì)圖，見(jiàn)圖11～12。

通過(guò)直方圖，可以很直觀地看到能量心音信號(hào)的能量分布特點(diǎn)，而趨勢(shì)圖可以明確地觀察到不同心音的能量分布趨勢(shì)，直觀并且方便。

（4）進(jìn)行能量的對(duì)比。進(jìn)行能量的對(duì)比可以更好地區(qū)分正常和病灶心音信號(hào)，正常和病灶信號(hào)能量對(duì)比分布圖，見(jiàn)圖13。；加噪聲之后的心音能量分布圖，見(jiàn)圖14。

由圖13可以看出，正常和病灶心音可以被直接反映出來(lái)，通過(guò)計(jì)算能量特征向量的相關(guān)系數(shù)p，可以得出其相關(guān)性處于（0～0.97）之間，大量的實(shí)驗(yàn)證明其相關(guān)系數(shù)處于這個(gè)范圍內(nèi)便可檢測(cè)為病灶信號(hào)，并且其檢測(cè)率為98%，因此，本文提出的算法可以取得很理想的結(jié)果。由圖14可以看出，加噪聲和沒(méi)加噪聲的正常心音的能量分布圖基本沒(méi)有發(fā) 生變化，因而得出結(jié)論：算法對(duì)于隨機(jī)噪聲就有良好的抗噪能力。這是本算法突出的優(yōu)點(diǎn)。

3.2 仿真結(jié)果分析

在能量分析對(duì)比圖中，可以看到病灶信號(hào)和正常心音信號(hào)，在前3層并沒(méi)有很大的變化，這是由于前端傳感器系統(tǒng)的噪聲，表現(xiàn)為高頻，疊加在任何信號(hào)上，因此在小波分解后前3層能量起伏變化很小；在4～7層中信號(hào)的能量大小發(fā)生較大的變化，通過(guò)病灶信號(hào)與正常信號(hào)的對(duì)比，說(shuō)明病灶信號(hào)在4～7層的頻率范圍內(nèi)能量與正常信號(hào)的能量有很大的差異，對(duì)比分析后可以準(zhǔn)確的識(shí)別出病灶信號(hào)。本文通過(guò)大量的仿真可以得出本算法的識(shí)別率可以達(dá)到98%以上，具有很好的實(shí)用性。本算法還具有一定的抗噪能力，對(duì)環(huán)境的要求較低，實(shí)用性很強(qiáng)，且算法快速準(zhǔn)確，適合應(yīng)用于開(kāi)發(fā)心音檢測(cè)方面的便攜式醫(yī)療器械。

4 結(jié)束語(yǔ)

相比小波包算法提取信號(hào)，本文根據(jù)心音信號(hào)的特點(diǎn)，采用小波基直接對(duì)信號(hào)進(jìn)行多尺度分解，極大地減少了計(jì)算復(fù)雜度，減少了測(cè)算時(shí)間。利用小波多尺度變換后的能量分布來(lái)進(jìn)行病灶信號(hào)的識(shí)別，可以極大地降低算法對(duì)噪音的敏感度。大量的實(shí)驗(yàn)證明，本文算法對(duì)病灶心音的檢測(cè)快速、準(zhǔn)確，具有很好的市場(chǎng)應(yīng)用前景。

[1]楊艷妮.心音信號(hào)小波變換信號(hào)處理心血管疾病[D].西安:陜西師范大學(xué),2007.

[2]王衍文,王海濱,程敬之.心音信號(hào)的識(shí)別與分類(lèi)[J].生物醫(yī)學(xué)工程雜志,1999,(3):1657-1659.

[3]吳延軍,徐涇平,趙艷,等.心音信號(hào)處理與識(shí)別[J].中國(guó)醫(yī)療器械雜志,1996,20(5):292-298.

[4]解倩倩.舒張期心音信號(hào)在冠心病診斷診斷中的應(yīng)用[D].呼和浩特:內(nèi)蒙古大學(xué),2011.

[5]張家亮,江洪,闕大順,等.基于小波的心音信號(hào)分析及其特征提取[J].電腦與信息技術(shù),2011,(1):17-20.

[6]謝斌,嚴(yán)碧歌,李錦.心音信號(hào)的分析方法及其應(yīng)用[J].現(xiàn)代生物醫(yī)學(xué)進(jìn)展,2010,(10):23

[7]王燕,王海濱,劉立漢.基于小波變換的心音信號(hào)降噪方法[J].信息與電子工程,2010,(3):303-307.

[8]侯惠亮,李國(guó)俠,龐浩.小波變換在微弱生命信號(hào)處理中的應(yīng)用[J].中國(guó)醫(yī)療設(shè)備,2011,26(1):70-72.

[9]張靜遠(yuǎn),張冰,蔣興舟.基于小波變換的特征提取方法分析[J].信號(hào)處理,2000,(2):156-162.