陳燕 蔡寧

100853 北京,中國人民解放軍總醫(yī)院第一醫(yī)學(xué)中心麻醉科

心音是人體重要的生理信號,含有能反映心血管功能狀態(tài)的生理或病理信息,心音的頻率與心臟各組織物理性質(zhì)及心臟血流動力學(xué)變化有密切關(guān)系。近年來,隨著可視化、數(shù)字化心音監(jiān)測和計(jì)算機(jī)輔助心音分析技術(shù)的發(fā)展,可以獲得心音定量的特征參數(shù),利用神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)提取心音信號中的病理信息,對不同信息特征進(jìn)行心音分類,可以輔助診斷心血管疾病。人工智能(artificial intelligence,AI)技術(shù)的應(yīng)用有助于心音分析的精準(zhǔn)化和自動化,使心音信號特征提取與融合分析在心臟血流動力學(xué)監(jiān)測、心力衰竭(簡稱“心衰”)分型診斷、先天性或風(fēng)濕性心臟病分類、冠狀動脈疾病檢測、情感識別等領(lǐng)域成為研究熱點(diǎn)[1-4]。本文就心音監(jiān)測與分析技術(shù)的發(fā)展、心音特征分析在心血管功能評估和疾病早期診斷中的應(yīng)用進(jìn)行綜述。

1 心音監(jiān)測與分析技術(shù)的發(fā)展

基于智能手機(jī)的心音監(jiān)測系統(tǒng)和包含心音心電信號同步監(jiān)測的產(chǎn)品,如智能數(shù)字聽診器系統(tǒng)、EKO等已開始應(yīng)用于臨床[5-7]。孫柯等[8]設(shè)計(jì)了基于全可編程片上系統(tǒng)的異構(gòu)實(shí)時(shí)心音心電采集系統(tǒng),實(shí)現(xiàn)了可視化心音心電信號實(shí)時(shí)并行采集。Li等[9]采用可穿戴的心音心電同步傳感器,通過模數(shù)轉(zhuǎn)換器(analog-to-digital converter,ADC)將心音、心電變成數(shù)字信號并傳入微處理器中,同時(shí)微處理器將所采集的數(shù)據(jù)通過低功耗藍(lán)牙模塊傳輸?shù)街悄苁謾C(jī),實(shí)時(shí)繪制心音心電信號的波形并存儲信號數(shù)據(jù)。最近Guo等[10]研發(fā)了基于新型心音傳感器的多通道可穿戴心音監(jiān)測系統(tǒng),包含有72路心音圖(phonocardiogram,PCG)信號和1路心電圖(electrocardiogram,ECG)信號,具有信號質(zhì)量高、敏感性高和使用便攜的優(yōu)點(diǎn)?；贏I的遠(yuǎn)程心電監(jiān)測已有效應(yīng)用于老年慢性疾病、心血管疾病等患者危急心電事件的預(yù)警[11-12],心音傳感器輕便、小型,采集的數(shù)據(jù)失真率低、穩(wěn)定性高、抗干擾性強(qiáng),并可無線傳輸與存儲,是心音監(jiān)測設(shè)備不斷改進(jìn)和優(yōu)化的方向,將為心音心電監(jiān)測的遠(yuǎn)程動態(tài)實(shí)時(shí)分析奠定基礎(chǔ)。

國內(nèi)外學(xué)者在心音的降噪、分段、特征提取和分類等信號處理和分析技術(shù)上不斷探索,如融合改進(jìn)最小值控制遞歸平均和最優(yōu)修正對數(shù)譜幅度估計(jì)的降噪方法能動態(tài)估計(jì)長時(shí)間采集的心音中的噪聲,降低心音失真的風(fēng)險(xiǎn);改進(jìn)維奧拉積分方法提取心音信號包絡(luò)和基于兩次閾值函數(shù)選擇的心音分段快速算法,提高了心音分段的正確率和精度。近年來隨著計(jì)算機(jī)輔助心音分析技術(shù)的發(fā)展,在機(jī)器學(xué)習(xí)和信號處理算法上取得了快速進(jìn)步,尤其是深度學(xué)習(xí)算法的應(yīng)用,使心音分析能更好地預(yù)測心血管疾病[13],如基于單形進(jìn)化算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)模型心音識別率達(dá)到95.96%[14],改進(jìn)的PSO-BP神經(jīng)網(wǎng)絡(luò)算法提高了神經(jīng)網(wǎng)絡(luò)的收斂速度和精度,分類準(zhǔn)確率達(dá)到96.67%[15],Deng等[16]采用梅爾頻率倒譜系數(shù)(Mel-frequency cepstrum coefficient,MFCC)特征結(jié)合一階和二階差分特征作為卷積神經(jīng)網(wǎng)絡(luò)輸入,提出新的心音分類方法,分類準(zhǔn)確率達(dá)到98%。AI技術(shù)的應(yīng)用有助于更加精準(zhǔn)、自動地分析心音,使心音特征分析能用于對心血管功能狀態(tài)的評估,尤其心音分類可以在心血管疾病的早期診斷中起到重要作用。

2 心音與心血管功能評估

1992年Bartels首次提出心音與血壓的關(guān)系,近年來通過心音信號特征來估算血壓取得了很大進(jìn)展,使基于心音的血壓估算成為一種無創(chuàng)、連續(xù)測量血壓的新方法。Kapur等[17]采用Piezo-accelerometer傳感器和神經(jīng)網(wǎng)絡(luò)算法為危重癥兒童提供了準(zhǔn)確的血壓監(jiān)測(收縮壓范圍在58～173 mmHg)。Tang等[18]選取健康犬,以腎上腺素誘發(fā)心臟血流動力學(xué)發(fā)生改變,利用心音的幅度、能量和時(shí)間多個特征,借助反向傳播(back propagation,BP)神經(jīng)網(wǎng)絡(luò)推算左心室收縮壓,在收縮壓100～280 mmHg范圍內(nèi),獲得較好的估算結(jié)果,絕對誤差均值為7.3 mmHg。目前臨床上廣泛應(yīng)用的無創(chuàng)血壓測量方法是基于脈搏波傳導(dǎo)時(shí)間(pulse wave transit time,PWTT)的血壓計(jì)算方法,但Finnegan等[19]指出很多研究者誤將脈搏到達(dá)時(shí)間作為PWTT進(jìn)行統(tǒng)計(jì),由于前者包括PWTT和射血前期,利用ECG和脈搏波估算的血壓值會存在誤差,而用心音信號來測量PWTT可以克服這一缺點(diǎn)。成謝鋒等[20]采集健康志愿者主動脈瓣心音信號,以第一心音(S1)與第二心音(S2)峰值點(diǎn)時(shí)間間隔(heart sound time interval,HSTT)、S2峭度(K)為主要參數(shù)推導(dǎo)出血壓計(jì)算公式,估算血壓與實(shí)際測量值相比,收縮壓和舒張壓的平均誤差分別為-0.401 mmHg和-0.812 mmHg,符合血壓檢測精確度評估標(biāo)準(zhǔn)。鑒于心音能實(shí)時(shí)反映心血管功能狀態(tài),由心音獲得心率、血壓,在無創(chuàng)、便攜、連續(xù)監(jiān)測機(jī)體血流動力學(xué)狀態(tài)的方法中有其獨(dú)特的優(yōu)勢。

心音還能反映心臟收縮功能和后負(fù)荷的變化,用于評估左心室功能。Li等[9]采集同步的心音心電信號,計(jì)算的電機(jī)械激活時(shí)間(electromechanical activation time,EMAT)用于評估左心室收縮功能,診斷心衰(左心室射血分?jǐn)?shù)<50%)的準(zhǔn)確率高于N末端B型利鈉肽原(N-terminal pro-B-type natriuretic peptide,NT-proBNP)。心音信號的舒張期與收縮期時(shí)限比還可以反映慢性心衰患者治療后心功能改善情況。心衰的早期檢測對及早采取治療措施有重要意義,Gao等[21]提出基于門控循環(huán)單元的心衰篩查模型,通過直接學(xué)習(xí)心音特征,能自動識別射血分?jǐn)?shù)保留的心衰和射血分?jǐn)?shù)降低的心衰,準(zhǔn)確率可達(dá)98.82%,為心衰的早期分型診斷提供了新的有效方法。

Moon等[22]采用經(jīng)食管聽診器記錄手術(shù)中患者的心音信號,發(fā)現(xiàn)麻黃堿和艾司洛爾主要引起S1明顯變化,而苯腎上腺素和尼卡地平主要引起S2明顯變化,且S2與外周血管阻力(systemic vascular resistance,SVR)變化密切相關(guān),提示不同血管活性藥物引起心血管功能變化時(shí),由于心排血量、SVR相對變化的不同,可以引起心音特征變化的差異性,對差異特征進(jìn)行提取和分析,有可能區(qū)分不同的血流動力學(xué)狀態(tài)。新近Chen等[23]在失血性休克豬模型上采集心音信號,觀察到S1和S2幅值、能量的下降與動脈血壓下降趨勢一致,尤其S2幅值、能量的下降與血壓降低呈顯著正相關(guān),其變化早于心率、脈搏壓變異度等傳統(tǒng)血流動力學(xué)指標(biāo),因而心音有可能成為失血性休克早期診斷的一個新指標(biāo)。

3 心音與心血管疾病診斷

人工聽診心音診斷是通過分析心音音調(diào)和音強(qiáng),主要依賴醫(yī)生經(jīng)驗(yàn)的定性方法,但心音信號轉(zhuǎn)化為可視化圖形后,利用計(jì)算機(jī)輔助分析技術(shù)能獲得心音定量的特征參數(shù),有助于發(fā)現(xiàn)心音與相關(guān)疾病的關(guān)系,可作為心血管疾病的無創(chuàng)診斷方法。用于臨床診斷的心音成分主要為S1和S2,心音周期的收縮期(S1到S2間期)和舒張期(S2到S1間期)時(shí)長、比例與心血管疾病的發(fā)生密切相關(guān)。

在健康年輕人中可能出現(xiàn)第三心音(S3),但在40歲以上成人中出現(xiàn)S3通常是異常表現(xiàn),可能與心房功能障礙、心室容量超負(fù)荷有關(guān),S3能反映心排血量減少、心室射血分?jǐn)?shù)降低、左心室肥厚以及進(jìn)展性心衰中發(fā)生的舒張末壓升高,對心衰診斷有很高的特異性。由于S3強(qiáng)度弱、頻率低、持續(xù)時(shí)間短,人耳很難聽到,但通過電子聽診器收集PCG波形,可以捕捉到S3。Cao等[24]利用植入式心音監(jiān)測設(shè)備,識別S3預(yù)測心衰的能力明顯優(yōu)于常規(guī)聽診,并有客觀、連續(xù)、自動和遠(yuǎn)程監(jiān)控的優(yōu)點(diǎn)。在正常心臟周期中不會出現(xiàn)第四心音(S4),其出現(xiàn)可能與舒張期心衰有關(guān),通過監(jiān)測心音信號波形變化能及時(shí)發(fā)現(xiàn)病理性S4的出現(xiàn)。

近年來,深度學(xué)習(xí)在心電領(lǐng)域有了較快的發(fā)展和應(yīng)用[25],AI技術(shù)與數(shù)字化心音的結(jié)合也使心音分類識別的準(zhǔn)確性有了很大提高,通過訓(xùn)練傳統(tǒng)機(jī)器學(xué)習(xí)分類器實(shí)現(xiàn)心音的分類,不同類型先天性心臟病(簡稱“先心病”)血流異常產(chǎn)生的心臟雜音,風(fēng)濕性心臟病心臟瓣膜受損后血流紊亂引起的雜音,都能從心音信號特征的異常變化中分辨出來,從而幫助分類識別心臟疾病(圖1)。Aziz等[26]利用機(jī)器學(xué)習(xí)對三種先心病(房間隔缺損、室間隔缺損、動脈導(dǎo)管未閉)的分類準(zhǔn)確率為95.24%,Ghosh等[27]采用多類復(fù)合分類器對主動脈瓣狹窄、二尖瓣狹窄和二尖瓣關(guān)閉不全分類的敏感度分別為99.44%、98.66%和96.22%。Dargam等[28]給予小鼠腺苷+高磷酸飲食,制作主動脈瓣鈣化疾病模型,通過對健康小鼠和主動脈瓣鈣化小鼠的心音分析,發(fā)現(xiàn)用S2識別主動脈瓣鈣化有很高的準(zhǔn)確性,受試者工作特征(receiver operating characteristic,ROC)曲線下面積為0.9593。深度學(xué)習(xí)是通過人工神經(jīng)網(wǎng)絡(luò),模擬人腦工作機(jī)器學(xué)習(xí)的一個分支,深度學(xué)習(xí)智能算法利用神經(jīng)網(wǎng)絡(luò)自動學(xué)習(xí)提取特征,可以實(shí)現(xiàn)對心音的準(zhǔn)確分類。在兒童左向右分流先心病基于深度學(xué)習(xí)計(jì)算機(jī)輔助的心音分析中,殘差卷積回歸神經(jīng)網(wǎng)絡(luò)分類模型較其他模型有更高的準(zhǔn)確性,對四類先心病(房間隔缺損、室間隔缺損、動脈導(dǎo)管未閉和復(fù)合病變)識別的準(zhǔn)確率為94%～99.4%。近年Alkhodari等[29]對1 000例患者的心音分析顯示,采用卷積和循環(huán)神經(jīng)網(wǎng)絡(luò)對四種心臟瓣膜疾病(主動脈瓣狹窄、二尖瓣狹窄、二尖瓣關(guān)閉不全和二尖瓣脫垂)的分類準(zhǔn)確率高達(dá)99.32%。

圖1 機(jī)器學(xué)習(xí)心音特征以分類識別心臟疾病示意圖

冠狀動脈疾病(coronary artery disease,CAD)由于動脈管壁增厚和管腔狹窄使血流受阻,可產(chǎn)生特有的湍流聲,湍流血流的聲學(xué)特征可以被心音監(jiān)測和識別。Larsen等[30]對191例CAD患者與955例非CAD患者的心音進(jìn)行比較,CAD患者的S1和S2時(shí)頻譜呈現(xiàn)明顯差異,在S1和S2中期能量下降,舒張期和收縮期均在20～120 Hz頻率范圍能量增加,尤其是舒張期能量顯著增加。CAD患者心音舒張期低頻能量增加的特點(diǎn),提示其中可能含有可用于CAD風(fēng)險(xiǎn)評估的信息,有待進(jìn)一步的研究對心音能量譜變化進(jìn)行分析,將可能用于臨床對CAD的輔助診斷和風(fēng)險(xiǎn)分層。

4 心音與其他疾病檢測

心音信號中含有呼吸音(也稱肺音)成分,利用卷積神經(jīng)網(wǎng)絡(luò)模型基于特征融合的方法可以分類識別肺音,由于不同肺疾病的肺音在信號波形、聲譜圖、梅爾頻譜、色譜圖上表現(xiàn)出不同特征,對肺音特征的分析可以輔助診斷肺疾病,如慢性阻塞性肺疾病、支氣管擴(kuò)張、上呼吸道感染、肺炎等,基于聲譜圖的肺音分類準(zhǔn)確率最高可達(dá)99.1%[31]。

進(jìn)展性心衰患者植入左心室輔助裝置(left ventricular assist device,LVAD)后,需要監(jiān)測和評估設(shè)備工作情況和心臟功能,與床旁臨床評估不同,心音監(jiān)測可實(shí)現(xiàn)動態(tài)、實(shí)時(shí)、遠(yuǎn)程監(jiān)測心臟功能,由于在心前區(qū)記錄的心音中還包含機(jī)械泵工作的聲音,可以早期發(fā)現(xiàn)機(jī)械泵故障、右心衰竭等LVAD相關(guān)并發(fā)癥[32]。

心音信號還能用于情感識別,Cheng等[4]對志愿者心音的線性和非線性特征進(jìn)行提取分析,以心率變異性、舒張期和收縮期比值變異性作為情感評估指標(biāo),評估Valence(愉快和不愉快程度)、Arousal(興奮和平靜程度)以及Valence-Arousal組合情感狀態(tài),心音特征對三種情感狀態(tài)識別的準(zhǔn)確率分別為96.87%,88.54%和81.25%。臨床上各種身心疾病患者常會出現(xiàn)情緒改變、情感障礙,用心音辨識情感,為情感障礙的判斷提供了新的客觀指標(biāo),尤其對抑郁、焦慮等疾病患者可以起到輔助診斷或判斷療效的作用。

5 小結(jié)

隨著心音監(jiān)測和分析技術(shù)的快速發(fā)展,通過提取心音特征中的病理信息,捕捉異常心音變化,對心音信號進(jìn)行實(shí)時(shí)、動態(tài)、定量分析和分類識別,可以用于對心血管功能狀態(tài)的評估和疾病診斷。在連續(xù)監(jiān)測心音時(shí),如果發(fā)生急性心血管事件,心音的異常變化也能幫助臨床判斷心血管結(jié)構(gòu)或功能發(fā)生的異常改變,因而心音特征分析在早期或突發(fā)心血管事件的預(yù)警監(jiān)測中具有極高的應(yīng)用價(jià)值。目前計(jì)算機(jī)輔助心音檢測技術(shù)領(lǐng)域仍在不斷探索,是未來發(fā)展的重點(diǎn)方向,同時(shí)臨床真實(shí)場景下心音信號的無線采集、云存儲與遠(yuǎn)程分析等技術(shù)也在發(fā)展中,借助AI技術(shù),使心音分類算法得到不斷改進(jìn),實(shí)現(xiàn)對心音更精確的智能化分析,有望在心血管功能評估、疾病診斷和療效判斷中發(fā)揮更重要的作用。

利益沖突：無