论文部分内容阅读
在数学上可以通过作图帮助解决一些抽象的问题，将抽象的问题具体图形化可以帮助理解问题的本质。心音信号是人体最重要的生理信号之一，对它进行图形化可以将抽象的声音信号转换成人们更善于理解的波形图像。论文中二维心音图概念就是基于这样的理念诞生。二维心音图可以真实地记录正常心音、额外心音以及心脏杂音。在医学上，二维心音图和心脏听诊同时运用可以取长补短。在生理信息方面，二维心音图包含丰富的个人生理信息，如个人健康信息和身份信息等。图像处理技术经过多年的快速发展，已经趋于成熟。论文首先运用一维信号处理方法对心音信号进行小波降噪和幅值归一化，将处理后的心音转换成具有统一性和可比性的标准二维心音图。接着运用图像处理技术对二维心音图进行预处理，包括灰度化、背景归一化、二值化、细化操作。然后结合心音的生理意义和二维心音图图像特征，对能表征二维心音图生理信息的图像特征进行分析研究，重点研究了二维心音图纵横坐标比和拐点序列码特征。其中，纵横坐标比是将一维心音幅值时间比的生理健康信息转换成二维图像后提出来的；拐点序列码是将一维心音双峰子波、三峰子波、四峰子波概念转换成二维图像后提出来的，它能表征身份信息唯一性的细节特征。小波分解系数特征是小波分解得到图像整体轮廓的低频系数矩阵和图像细节的高频系数矩阵的组合特征参数。最后，基于纵横坐标比、拐点序列码、小波分解系数三个特征，分别探讨了利用欧式距离和支持向量机（SVM）两种识别方法进行二维心音图分类和身份识别的可行性，并做了大量实验分析。根据实验结果数据显示，三种特征都可以实现二维心音图的分类，其中拐点序列码识别率最高。身份识别中同样是拐点序列码识别率最高，说明拐点序列码更能表征二维心音图的特征。论文研究成果表明，基于图像处理的二维心音图分类和身份识别具有明显的可行性和安全性，拥有广阔的应用前景。