基于數據庫的心音合成軟件設計

申玉靜，王 尋，唐 閩，吳 偉

（1.中國醫學科學院阜外醫院心律失常中心，北京100037；2.上海電機學院智能制造（中德）學院，上海201306；3.中國科學院聲學研究所語言聲學與內容理解重點實驗室，北京100190）

0 引言

近年來，隨著我國城市化進程的加快以及人口老齡化問題的日趨嚴峻，心血管疾病患者日益增多，因心臟疾病而死亡的病例也逐年增加。盡早發現心臟異常有利于降低心血管疾病的死亡率[1]。目前，存在磁共振成像[2]、計算機斷層顯像[3]和超聲成像[4]等多種心臟檢查方法，但這些方法所需設備費用高，操作復雜，且需要專業人員才能操作，難以在基層及社區推廣。心電檢查所用設備雖然相對簡單[5]，對人體損害很小，但難以診斷瓣膜疾病。心音是心臟跳動過程中由瓣膜開閉和血流沖擊所產生的，能夠反映心臟部分組織的健康狀況。當心臟瓣膜發生病變后，心音中往往會有雜音出現。同時，采集心音無需昂貴的設備，這使得心音聽診長期以來被用于診斷心臟瓣膜疾病。一個心動周期通常可以分為4個部分：第一心音（S1）、第二心音（S2）、S1～S2間期和S2～next S1間期[6]，如圖1所示。其中，S1和S1～S2屬于收縮期，S2和S2～next S1屬于舒張期[7]。無論是醫生的聽診教學，還是依據心音進行自動診斷系統的模型訓練，都需要大量的心音數據。然而一些研究條件欠缺的機構難以獲取大量不同類型的心音，因此不利于基于心音的心臟疾病診斷方法的推廣。

圖1 一個完整的心動周期

為了解決上述問題，很多研究人員提出了合成心音的方法。如高佼[8]使用模擬電路模型類比心血管系統中的腔室、動脈、靜脈以及心室收縮和外周阻力的生理控制機制，計算得出各瓣膜兩側血壓差和瓣膜關閉時刻。然后將瓣膜振動類比為彈簧振子的阻尼受迫振動，將此前由電路模型計算出的瓣膜兩側血壓差用Ramp函數擬合，求解瓣膜振動方程，進而得到瓣膜振動波形，并結合瓣膜關閉時刻合成S1與S2。姜斌[9]設計了基于心臟生理參數的復合心音合成模型，其中包括心臟仿真和心音合成2個子模塊，前者為后者提供運行參數。心音合成子模塊又分為2個部分，分別產生左側心音和右側心音。通過將心臟活動與電路類比，建立心臟活動方程，并使用四階Runge-Kunta算法求解，得到左、右側心音軌跡圖和波形圖，并在時域上將兩者疊加，從而得到完整的合成心音時域波形。上述模型均基于解析形式的數學公式，雖然可以模擬出S1與S2，但由于生物信號較為復雜，這些模型所合成的心音與真實心音仍然存在一定的差距。此外，這些模型難以模擬各類心臟雜音，通用性有限。

目前，很多研究機構致力于發展基于大數據的醫療軟件平臺[10]。本文通過構建心音數據庫，并以此為基礎設計心音合成軟件，為心音聽診的教學和自動診斷中的數據生成提供便利。

1 心音數據采集

心音合成軟件需要建立在大量心音數據的基礎上，因此心音采集是非常重要的環節。醫學上常用的聽診區有5個，包括主動脈瓣聽診區、肺動脈瓣聽診區、主動脈瓣第二聽診區、三尖瓣聽診區和二尖瓣聽診區[11]。常見的瓣膜疾病有主動脈瓣狹窄、主動脈瓣返流、二尖瓣狹窄、二尖瓣返流和三尖瓣返流5種。本研究使用長虹九心格電子聽診器（NC-STH-002）采集了184位志愿者5個聽診區的心音，每個聽診區采集時長1 min左右。數據分布詳見表1。

表1 采集的心音數據分布

所有采集的心音均存儲為4 kHz采樣率、16 bit的.wav格式音頻文件。采集時由電子聽診器通過藍牙將心音發送至搭載Android系統的平板計算機內保存。采集完成后，再通過藍牙將全部心音數據發送至臺式計算機存儲。

2 數據處理

2.1 心音降噪

本研究中，電子聽診器使用壓電陶瓷傳感器將心音振動轉換為電信號，這些電信號中往往包含環境噪聲和電噪聲[12]。在將采集的心音數據收錄進數據庫之前，需要先對心音數據進行降噪處理。目前，常用的心音降噪方法有譜減法[13]和小波閾值降噪[14]等。本研究使用最優改進對數譜幅度（optimally modified log-spectral amplitude，OMLSA）估計方法對心音進行降噪。OMLSA是2002年Cohen等研究人員提出的降噪方法[15-18]，目標是最小化純凈音頻與估計的降噪后音頻之間的差異。降噪后音頻頻譜可表示為

式中，Y（k，l）表示l時刻k頻率處的頻譜幅度值；GH1和Gmin分別表示有效信號存在和不存在時的增益；p（k，l）為有效信號存在的后驗概率。p（k，l）的計算公式如下：

式中，q（k，l）表示第l幀頻率為k的頻帶上有效信號不存在的概率；ξ（k，l）為音頻先驗信噪比。ξ（k，l）的表達式為

式中，α為權重因子常數，用于控制降噪程度和有效信號保留之間的平衡，本文設定α=0.9；γ（k，l）為音頻后驗信噪比；GH1（k，l-1）為上一幀的對數譜增益函數。

γ（k，l）的表達式為式中，λd（k，l）為音頻信號的噪聲譜估計，是由改進的最小值控制遞歸平均（improved minima controlled recursive averaging，IMCRA）算法[19]計算的。v（k，l）的表達式為

同時，GH1滿足[20]：

本課題組此前的研究表明，在OMLSA方法降噪的基礎上，進一步使用小波閾值方法降噪，總體上可以獲得更好的降噪效果[21]。因此，本研究結合OMLSA方法與小波閾值方法對采集到的心音降噪，并將降噪后心音存放在數據庫中。小波閾值降噪時選用coif5小波，分解層數為6層，使用軟閾值方式，閾值選擇準則為rigrsure。降噪前后的心音波形如圖2所示。

2.2 數據庫建立

圖2 主動脈瓣狹窄患者降噪前后的心音波形

醫學常用的數據庫包括Qracle[22]、SQL Server[23]和Access等。由于目前本研究所用心音均存儲在本地，因此選用Office 2013中的Access數據庫存儲心音信息。新建心音數據庫并在數據庫中建立4個表格，依次命名為S1、S12、S2和S21，分別用于存儲心音4個部分的信息。圖3顯示了S1表格中存儲的部分心音信息。其中，“聽診區”屬性下1～5分別表示該編號的心音采集于主動脈瓣聽診區、肺動脈瓣聽診區、主動脈瓣第二聽診區、主動脈瓣第三聽診區和二尖瓣聽診區。“健康狀況”屬性下序號1～6與表1中序號1～6逐一對應。如“健康狀況”屬性為2，則表示該心音采集于主動脈瓣狹窄的患者。

圖3 心音數據庫中S1表格的部分心音信息

3 軟件設計

MATLAB GUI（graphical user interface）是一種常用的用戶可視化交互工具，已經被應用于語音信號處理[24]、地球科學[25]和統計[26]等領域的軟件設計。它具有控件豐富、自由度高等優點，可供研究人員快速創建應用程序[27]，因此本研究選用MATLAB 2014b的GUI設計心音合成軟件。

如圖4所示，軟件分為心音數據選擇、心音合并以及查看文件和軟件信息3個部分。數據選擇主要有4個部分，分別用于選擇S1、S1～S2、S2和S2～next S1的心音。以S1為例說明心音數據選擇的操作方法，其數據選擇與波形預覽界面如圖5所示。首先需要在時長、聽診區和健康狀況的Edit控件中輸入想要查找的條件，然后點擊“查找”按鈕查詢，查詢到的心音顯示在表格中。點擊表格任意一行，會在下方繪圖區域顯示被選中心音的波形。其他心音成分選擇方法與此類似。

圖4 心音合成軟件界面

當逐個選擇4個部分的心音并點擊“添加”按鈕后，需要分別輸入S1～S2、S2和S2～next S1心音的開始時間以及4個部分心音的放大倍數，合成的波形和時頻圖如圖6所示。由于軟件中默認將S1設置為從零時刻開始，所以不需要手動設置S1的開始時間。輸入完成后點擊“合并”按鈕，即可將所選4個部分的心音合并為一個完整心動周期的心音。如果對心音波形較為滿意，可以點擊“播放”試聽。在“持續周期數”后的文本框中輸入想要生成的心音波形的周期數，然后點擊“生成”按鈕，即可生成多個周期的心音.wav文件。當生成心音文件后，點擊圖4中“查看生成文件”按鈕即可打開生成的心音文件所在文件夾。此文件夾中保存了所有生成的心音文件，用戶可以隨時查看和試聽。

圖5 S1心音數據選擇與波形預覽界面

圖6 心音波形生成界面

4軟件實現

4.1 心音數據選擇

心音數據選擇部分主要功能為選擇4個部分的心音。本節以S1的選擇和顯示為例，敘述程序設計。先在時長、聽診區和健康狀況的Edit控件中輸入文本作為查找信息，然后點擊“查找”Button控件在Access數據庫中查詢。點擊“查找”時，回調函數S1_search_Callback會首先獲取上述3個Edit控件中的文本內容：

然后使用MATLAB內建函數database連接數據庫

再使用Select語句查詢數據庫中信息：

其中，S為當前查找的表格名（S1、S12、S2或S21），order by…asc語句是為了讓查詢結果按照數值從小到大排序。當前排序的優先級為聽診區＞健康狀況＞時長＞編號。

查詢到的已排序數據存儲于search_result矩陣，使用set(handles.S1_uitable,'Data',search_result)函數將查詢結果顯示在S1_uitable表格控件中。S1_uitable的回調函數S1_uitable_CellSelectionCallback會在點擊其中任意一個單元格的時候觸發。為了在點擊某一行時顯示該行數據對應的心音波形，回調函數中編寫的主要代碼如下：

其中，eventdata.Indices為當前選中的單元索引，將其行索引賦值給hangIndex_S1，newData_S1為通過Get函數獲取到的當前顯示表格中的數據，heart_id_S1為當前所點擊的心音編號，heart_wav_S1為讀入的心音數據。Axes函數用于獲取當前畫圖的Axes控件，然后使用Plot函數畫圖，波形如圖5中藍色曲線所示。

4.2 心音生成

依次選擇4個部分的心音，點擊“添加”按鈕，然后輸入各個部分心音的開始時間和放大倍數，點擊“生成”按鈕，即可將所選4個部分的心音合并為一個完整心動周期的心音。生成心音時，先定義全零數組composed_wav，數組長度需足以包含4段心音：composed_wav=zeros(1,(floor(fs*S21_begin_t)+length(S21_readed)));

其中，S21_begin_t為S2～next S1段的開始時刻，fs為采樣率4 kHz。然后根據每段心音的開始時刻給composed_wav賦值。例如S2段的賦值程序為composed_wav((floor(fs*S2_begin_t))+k2)=composed_wav((floor(fs*S2_begin_t))+k2)+S2_readed(k2).*S2_amp;即將composed_wav中從floor(fs*S2_begin_t)開始的一段心音波形數據加上S2乘以放大倍數S2_amp后的值，生成的心音波形和時頻圖已在圖6中給出。時頻圖是對時域信號進行短時傅里葉變換（short-time Fourier transform，STFT）得到的[28]，計算公式如下：

式中，X（τ，ω）為變換后得到的時頻信號；x（t）為時域心音信號；h（t-τ）為窗函數，本文選用Hanning窗，幀長為256，幀移為32。點擊“播放”按鈕時，軟件調用sound函數。在“持續周期數”后的文本框中輸入待生成心音的心動周期數，點擊“生成”按鈕時會調用函數audiowrite(['created_',S1_id,'_',S12_id,'_',S2_id,'_',S21_id,'_',datestr(now,'yyyy-mm-dd_HH-MM-SS'),'.wav'],composed_wav_all,4000)保存心音。其中composed_wav_all為多周期合并后的心音數據，datestr()函數用于生成字符串格式的當前時刻，4 000為當前心音的采樣率（單位為Hz）。

4.3 查看文件和軟件信息

當生成心音后，點擊圖7（a）中“查看生成文件”按鈕即會觸發回調函數打開預設的文件夾。在此文件夾中可查看此前生成的.wav格式的心音。點擊“使用說明”按鈕會調用回調函數open（'instruction.fig'）彈出軟件介紹，如圖7（b）所示。軟件介紹預先在Text控件中寫好，內容為軟件的使用方法。

5 教學效果分析

圖7 心音文件與軟件信息查看

為了研究心音合成軟件在教學方面的效果，由專業醫務人員在中國醫學科學院阜外醫院進行實驗。實驗前將患者及家屬分為A、B 2組，每組40人。經過調查，確認所有測試者均非醫學專業。采用不同的方式給上述2組人員授課，教授心音與心臟瓣膜疾病間的關系。對A組人員授課時，使用華盛頓大學醫學系的臨床高級物理診斷學習與教學（advanced physical diagnosis learning and teaching at the bedside，APDLTB）數據庫中的心音，對B組人員授課時采用心音合成軟件。授課結束后，A組每位人員可以任意選擇數據庫中的心音反復聽10 min，B組人員自行操作心音合成軟件10 min，按照個人意愿合成各類心音并試聽。教學完成后，讓測試者填寫問卷以判斷測試者對知識的掌握程度。問卷中包含10個關于心音和心臟瓣膜疾病關系的選擇題，2組測試者問卷填寫結果詳見表2。

表2 2組測試者調查問卷填寫結果統計單位：人

由表2可以看出，B組獲得優秀和良好的人數明顯高于A組；B組獲得中等和較差的人數少于A組。可見使用心音合成軟件的培訓效果優于使用APDLTB數據庫。這可能是由于本軟件自由度較高，能夠激發被測試者主動探索的興趣，使用戶在操作過程中對心音與心臟瓣膜疾病的關系有了較為深刻的理解。

6 結語

本文以MATLAB GUI為平臺設計了一套心音合成軟件。首先采集大量健康人和心臟疾病患者的心音，然后對心音進行降噪和分割處理，構建Access數據庫并實現心音合成軟件。本研究中沒有采用傳統的基于解析公式的心音合成的方案，而是以大量數據為基礎，這樣可以生成更加真實的心音。此外，本軟件界面直觀、頁面跳轉少、使用流暢，為心音聽診教學提供了便利，具有較高的實用價值和進一步開發的潛力。且與使用APDLTB數據庫中的心音進行教學相比，本軟件能夠達到更好的教學效果。未來的研究計劃包括擴大心音的采集范圍以包含更多的疾病、進一步完善軟件功能、推動軟件的實用化等。