基于電子聽診器的心音分類系統

劉煒燁，戴嘉梵

（天津工業大學 電子與信息工程學院，天津 300387）

0 引言

聽診器作為醫生最常使用的醫療器械[1]，在心腦血管疾病的初診中意義重大。但傳統的聽診器又存在許多局限性，例如：聽診頻段無法選擇，抗干擾能力差；傳統聽診器需要醫師保持敏銳的聽覺，人體中的微弱聲音和短時特征不易被聽到[2]；傳統聽診器的舒適性差[3]；傳統聽診器不可同時供多人使用，為教學和會診帶來不便[4]。更重要的是，聽診的診斷通常依靠醫師的臨床經驗，具有一定的主觀性[5]。

本文旨在設計一款電子聽診器，其外型基于傳統聽診器進行改進，并配套輔助診斷軟件，有利于解決傳統聽診器的局限，可以幫助醫師更客觀、準確地進行聽診。

圖1 電子聽診器的總體設計Fig.1 Overall design of electronic stethoscope

圖2 電子聽診器實物圖Fig.2 Physical diagram of electronic stethoscope

圖3 電子聽診器內部電路圖Fig.3 Internal circuit diagram of electronic stethoscope

1 電子聽診器的總體設計

電子聽診器硬件電路需具備心肺音信號的采集、傳輸和分離等功能，設計其總體設計方案，如圖1所示。

該電子聽診器以SPH0645麥克風為前端拾音器，TLV320AIC3254為音頻編碼解碼芯片，STM32F103為主控核心。同時，該電子聽診器可根據醫療工作者的實際需求在心、肺音間切換，調節0～10dB的音量增益。在無線通信上，該電子聽診器支持藍牙4.0協議進行音頻信號的傳輸，TCP/IP協議進行心音ADC數據傳輸。

電子聽診器硬件電路由主控模塊、拾音模塊、音頻編解碼模塊、藍牙模塊、OLED顯示模塊、WiFi模塊組成，其實物外觀，如圖2所示，其內部電路，如圖3所示。

1.1 拾音模塊

拾音模塊需采集微弱的心肺音信號，并避免干擾。因此，在本設計中選用SPH0645麥克風。其信號輸出采用I2S輸出，主要作用是將采集的音頻模擬信號轉換為數字信號，能夠有效避免傳輸過程中的各種干擾。

該模塊基于傳統聽診器的鋁膜作為振動元件，聽頭腔內嵌入自主設計的雙聲道SPH0645麥克風模塊，直接采集人體生理音，如圖4所示。該前端拾音模塊與傳統聽診器結合，可獨立工作在電子模式或傳統聽診模式下，符合醫療工作者的工作習慣，可以獲得更加靈活、舒適的體驗感。

1.2 音頻編解碼模塊

圖4 基于SPH0645麥克風的拾音器Fig.4 Pickup based on SPH0645 microphone

該模塊基于TLV320AIC3254音頻編解碼器，無需額外的功放電路就可直接驅動耳機輸出音頻信號。由于心音最重要的頻段集中在20Hz～100Hz[6]，肺音的主要頻段集中在100Hz～1500Hz[7]。該芯片有可編程的mini DSP內核，因而通過二階IIR巴特沃斯濾波器，設置帶通頻率，可對拾音模塊采集到的心肺音信號進行數字濾波，實現心肺音的分離。通過按鍵設置，可切換全頻帶、心音和肺音模式。

1.3 藍牙模塊

為實現多人聽診，通過音頻編解碼芯片，輸入數字音頻信號，可轉換為模擬音頻信號并輸出。經單端差分轉換電路，將兩路模擬輸出信號轉為左右聲道的差分，傳輸至CSR8670模塊的采集引腳。CSR8670模塊可將采集到的模擬信號轉換為數字信號，經去噪處理后，以藍牙4.0的協議與其他藍牙設備配對連接并發送音頻數據。

2 系統軟件設計

2.1 單片機軟件設計

電子聽診器核心主控為STM32F103芯片，主程序執行各項初始化、TLV320AIC3254配置和按鍵掃描。通過不斷響應按鍵狀態，單片機執行不同的功能并更新OLED顯示內容。其軟件流程如圖5所示。

2.2 心音分類軟件設計

隨著機器學習等人工智能技術的發展，研究心音信號的智能分類，實現異常心音判別，在心臟疾病診斷方面具有重要意義，有利于提高醫療工作者診斷的準確率和工作效率。心音的分析流程如圖6所示。

圖5 單片機程序框圖Fig.5 Program block diagram of single chip microcomputer

圖6 心音的分析流程Fig.6 Analysis flow of cardiac sound

圖7 上位機心音分類界面Fig.7 Cardiac sound classification interface of upper computer

表1 雙聲道SPH0645麥克風的參數Table 1 Parameters of dual-channel SPH0645 microphone

為保證心音分類的準確性，本文采用決策樹模型對心音進行分類，并使用5折交叉驗證，以獲得準確的結果

2.2.1 心音特征抽取

由于訓練模型需要大量的數據，為保證數據的準確性，該模型訓練數據來源于MIT-BIH庫。本文收集9000個心音錄音，構成原始數據集，拆分為訓練數據和測試數據，分別用于訓練和評估。心音錄音數字化后，計算小波系數、香農熵值、梅爾頻率倒譜系數、均值、R波峰值等10個特征值，構成心音特征。

2.2.2 心音分類界面

通過WiFi模塊，電子聽診器與基于MATLAB GUI界面的上位機構成局域網，通過TCP/IP協議進行心音數據傳輸。經決策樹模型，實現心音數據的異常判別。其界面如圖7所示。

3 實驗與測試

3.1 電子聽診器硬件系統參數

3.1.1 雙聲道SPH0645麥克風參數

SPH0645麥克風的主要參數為頻帶范圍、信噪比及靈敏度，其主要參數如表1所示。

表2 電子聽診器各狀態功耗Table 2 Power consumption in each state of the electronic stethoscope

因此，SPH0645麥克風具有頻帶廣、失真度小、靈敏度高的特點。

3.1.2 電子聽診器功耗

電子聽診器的功耗以電流消耗來衡量指標，其采用鋰離子電池供電。在測量功耗時，在電池和電子聽診器硬件之間串聯一個電流表，以記錄電流大小。通過改變電子聽診器的工作狀態，分別測試待機狀態、實時聽診、藍牙配對狀態下的電流消耗。每種狀態下電流消耗分別測量5次，再取其平均值作為測試結果。

因此，電子聽診器硬件系統具有功耗低的特點。

3.2 心音采集效果測試

電子聽診器聽頭采集正常人的心音數據，經離散傅里葉變化，可得其頻域波形。聽頭采集的原始數據和濾波后的時域、頻域數據，如圖8所示。

圖8 心音數據時域和頻域圖Fig.8 Heartbeat data time domain and frequency domain diagram

表3 準確性評估Table 3 Accuracy assessment

表4 靈敏度評估Table 4 Sensitivity assessment

由于第一心音的持續時間，大約為80ms～135ms；第二心音的持續時間，大約為70ms～80ms[8]。經計算，第一心音約100ms，第二心音約70ms，均在正常情況下心音理論范圍中。

從圖8中可以看出，電子聽診器引入噪聲較少，第一心音和第二心音顯示明顯。因此，電子聽診器采集效果良好。

3.3 分類模型的評估

3.3.1 準確性

準確性是模型的重要指標。根據分類情況，該模型的結果分為4種：

◇ 正常類（Tt）：實際結果及預測結果均正常。

◇ 假正類（Tf）：實際結果正常、預測結果異常。

◇ 假異類（Ft）：實際結果異常、預測結果正常。

◇ 異常類（Ff）：實際結果及預測結果均異常。

利用測試數據對該模型準確性進行評估，將模型預測結果帶入公式（1），評估結果如表3所示，準確率平均91.24%。

3.3.2 靈敏度

靈敏度也是該模型的另一重要指標。使用自主設計的電子聽診器采集50名健康志愿者（Healthy Volunteer,H）的心音，對該模型靈敏度進行評估，將模型預測結果帶入公式（2），評估結果如表4所示，靈敏度為98%。

因此，本系統構建的基于決策樹的心音分類系模型，具有準確率高、靈敏度高的特點。

4 結論

相比于傳統聽診器，本文所設計的電子聽診器可選擇聽診頻段、靈活調整聲音大小、佩戴感舒適、功耗低。本系統通過設計電子聽診器，并搭建物聯網系統，進行異常心音的判斷并與用戶實時交互，心音判別的準確率、靈敏度高，為遠程問診系統提供了技術基礎。