于薇 宋丹丹 武亮

【摘要】與心電檢測、彩色多普勒和磁共振成像等傳統(tǒng)心電監(jiān)護(hù)方法相比，心音監(jiān)聽對于心臟病的診斷更安全、更便宜，可在門診患者或者患者日常生活中完成，因而具有更廣泛的適用性。心音的改變和雜音常常能夠提供心臟異常狀態(tài)的最早信息，這使得心音監(jiān)測器對于心血管疾病的診斷非常重要。本文基于一種噪聲環(huán)境下心音監(jiān)測的設(shè)備框架，實現(xiàn)心音信號的采集、傳輸和自動分析。我們在志愿者身上進(jìn)行了，臨床試用，實現(xiàn)結(jié)果表明我們的方法可以正確地分類94%的測試心音。

【關(guān)鍵詞】心音監(jiān)聽;心臟病;診斷

盡管從二十世紀(jì)后期開始死亡率明顯下降，但心臟病仍是人類的主要殺手。

而心音的改變和雜音常常能夠提供心臟異常狀態(tài)的最早信息，這使得心音監(jiān)測對于心血管疾病的診斷非常重要。目前也有一些其他的心臟監(jiān)測方法，如心電圖（EGG），彩色多普勒和磁共振成像。與這些方法相比，心音檢測更安全、更便宜，需要更低的專業(yè)要求，具有更廣泛的適用性，可以在門診患者或者患者日常生活中完成。

心音分析是心臟評估的一種基本方法，它包括了心臟各部分的生理和病理信息以及它們之間的相互作用。目前的心音的模式識別和自動解釋，主要集中在心音的分析和分類，是研究人員研究的最重要和最普遍的領(lǐng)域。對于心音的特征提取和分類，Groch等人提出了以EGG為參考的一種基于時域特征的心音分割算法Ⅲ，但這種方法涉及到了心音信號以外的其他信號。Quart等人用小波多分辨率分析對心音進(jìn)行了分段處理。Xu等人采用經(jīng)驗?zāi)B(tài)分解法對心音進(jìn)行預(yù)處理并進(jìn)行分割吲，但其分析的效率較低。Zhou等人提出了基于規(guī)一化平均香儂熵分析法（NormalizedAverage Shannon Energy，NASE）的分割算法。Schmidt等人采用隱馬爾可夫模型對心音進(jìn)行了高精度的分段。Liang等人提出了基于信號包絡(luò)的分割方法，并描述了去除額外峰值的方法。

然而，心音監(jiān)測和分析面臨著噪聲環(huán)境中的巨大挑戰(zhàn)，因為心音會與各種噪聲混合，這使得很難被識別和分析。而在上述的各種方法中，并沒有對噪音進(jìn)行考慮與處理。

對于在噪聲環(huán)境下的心音監(jiān)測，我們設(shè)計了噪聲環(huán)境中監(jiān)測和分析心音的設(shè)備框架與原型。它涉及心音信號的采集、信號傳輸和信號分析。該設(shè)備的具體構(gòu)成為：對于信號采集部分，采用數(shù)字聲道的兩個通道分別進(jìn)行信號采集。一個通道記錄心音和一些環(huán)境噪聲的混合信號，另一個通道記錄環(huán)境噪聲作為參考。然后，在基于最小均方（LMS）自適應(yīng)噪聲消除的信號分析步驟中，可以過濾出環(huán)境噪聲，以得到純化的心音。對于信號傳輸部分，由于無線傳感器網(wǎng)絡(luò)具有低功耗、低成本、分布式形式和自組織等優(yōu)點，因而收集的心音數(shù)據(jù)通過無線傳感器網(wǎng)絡(luò)被傳送到服務(wù)器，以備進(jìn)一步的分析。最后，服務(wù)器將對接收到的數(shù)據(jù)進(jìn)行處理和分析：首先在基于最小均方（LMS）自適應(yīng)噪聲抵消的信號分析步驟中過濾出環(huán)境噪聲，以得到純化的心音。然后，利用小波分解和歸一化平均香農(nóng)能量（NASE）提取的特征，并利用一種基于結(jié)構(gòu)學(xué)習(xí)的模糊神經(jīng)網(wǎng)絡(luò)方法用于心音分類，從而可以診斷出該心音數(shù)據(jù)是否健康。

我們將該設(shè)備原型進(jìn)行了實際臨床試用。我們共召集了6個志愿者，其中測試組3人為不同程度的心臟病患者，3人為對照組的心臟健康人群。3個心臟病患者分別為心房顫動、二尖瓣狹窄、主動脈瓣關(guān)閉不全。每個人在一天中的早、中、晚三個時段分別采集了2次3分鐘左右的心音數(shù)據(jù)，共36條心音數(shù)據(jù)。同時為了測試該設(shè)備，我們選取了不同的心音數(shù)據(jù)采集環(huán)境，包括志愿者家中、公園里及商場里。我們通過拆裝聽診器和記錄器，實現(xiàn)信號采集部分，并用我們的模型進(jìn)行了數(shù)據(jù)分析。實驗表明，在36條數(shù)據(jù)中，僅有二尖瓣狹窄與主動脈瓣關(guān)閉不全的2條心音數(shù)據(jù)沒有得到正確的分類結(jié)果，因而我們的方法可以正確地分類94%的測試心音。而對于個別未能分類正確的原因，我們分析認(rèn)為是由于這兩種心臟疾病在某些時段心臟聲音并沒有表現(xiàn)出明顯的異常，而發(fā)出了與健康人群相似的正常心音。