论文部分内容阅读
心血管疾病是当今威胁人类健康的主要疾病之一，心音在先天性心脏病(CHD)的临床诊断中具有极高的医学价值。心音信号记录了大量人耳较难分辨的有用信息，对心音信号进行特征提取并分析，有助于在临床上对心脏疾病的诊断。
随着计算机技术和数字信号处理技术的发展，多种分析方法被用于心音信号分析，但由于心音信号是一种时变的、非平稳的、由多种成份组成的复杂信号，传统的分析方法难与达到令人满意的效果。因此，寻找更为有效的、更能反映心音信号本质特征的新的分析方法，是目前广大心音分析研究者的目标所在。
本文提出一种利用短时傅立叶变换(STFT)生成心音谱图，再根据心音谱图特征的统计特性判定病人是否患有先天性心脏病的方法。该方法基于脉冲耦合神经网络(PCNN)简化模型ICM，利用ICM提取心音谱图的特征序列(熵序列、标准方差序列)的统计特性(欧氏距离、马氏距离、相关系数)，对不同心音模式进行判定。本文中选用了24例心音数据进行测试(其中正常4例，异常20例)，实验结果表明，该方法能够较准确地判别正常与异常心音模式类，对先天性心脏病的早期诊断有一定实际指导意义。