【摘要】：心音信號作為心臟運動產(chǎn)生的一種生理信號,蘊含著心電圖不可替代的人體心血管健康狀況信息。通過對心音信號的分析和學習,能夠為心臟疾病病情的診斷和監(jiān)測提供決策依據(jù),具有重要的社會效益和經(jīng)濟效益。心音信號是由一系列心循環(huán)構成的準周期信號,其中反映不同類型病理信息的心雜音通常出現(xiàn)在心循環(huán)的不同位置上。在已知心循環(huán)結構的條件下,按照信號的時序結構,往往能夠提取出有效的特征來進行心音分類。然而準確的劃分出心循環(huán)結構難度大、成本高,有時只能在心循環(huán)結構未知的情況下開展心音特征的提取與識別研究。同時,在許多應用場景中僅關注心音是否異常,而不區(qū)分具體的異常類型。對這類識別任務,即使沒有心循環(huán)結構的劃分信息也能開展工作。因而也有必要研究在心循環(huán)結構未知條件下的異常心音識別問題。近年來,大量學者分別在已知和未知心循環(huán)結構這兩種不同條件下,對心音特征的提取與識別方法展開了相關的研究工作。雖然這些研究工作取得了一定的進展,但是由于心音信號的復雜性,仍然存在許多問題有待解決。本文針對目前在心循環(huán)結構已知條件下,對時序較一致的信號內(nèi)容仍缺乏具有較強區(qū)分性和結構性的心音特征,以及在心循環(huán)結構未知條件下,特征易受信號時移影響而難以匹配的問題展開研究,其主要內(nèi)容及創(chuàng)新工作如下:(1)在心循環(huán)結構已知條件下,針對已有方法所提取的心音特征區(qū)分性差的問題,提出了一種有效利用樣本類別信息的判別式特征提取方法。通過使用偏最小二乘法尋找使心循環(huán)和類別標簽具有最大相關性且方差最大的投影方向,來獲得更具可分性的特征。進一步考慮到特征線性不可分的情況,將其映射到高維的線性可分的核空間中,從而在該核空間中使用核偏最小二乘法提取特征,以增加特征的區(qū)分性。實驗結果表明,所提出的偏最小二乘特征提取方法具有更好的分類性能,且通過核方法能夠進一步的提升分類性能。(2)在心循環(huán)結構已知條件下,針對傳統(tǒng)的心音特征對心音信號的不同成分在心循環(huán)內(nèi)的時頻結構及其相對位置信息表示能力差的問題,提出了保持心循環(huán)完整時頻結構的特征提取方法。通過使用張量分解方法對心循環(huán)結構內(nèi)的時頻譜特征按時域和頻域方向同時進行降維,從而得到保持其時頻結構的具有更好表示能力的特征。進一步,在張量分解過程中通過Fisher判別準則和偏最小二乘準則引入心音類別信息,以增加特征的區(qū)分性。實驗結果表明,所提出的張量分解特征提取方法具有更好的分類性能,使用Fisher判別準則或偏最小二乘準則能夠進一步的提升分類性能。(3)在心循環(huán)結構未知條件下,針對現(xiàn)有的時移不變心音特征提取方法沒有充分考慮信號自相關信息之間的相互關系,從而不能精細反映心音各子帶及其自相關各階次特點的問題,提出了基于子帶自相關時延域依賴的特征提取和異常心音識別方法。通過對心音信號的各個子帶使用平均幅度差函數(shù)來得到在時延域上具有一定的長短時依賴關系的子帶自相關特征。進一步使用長短時記憶網(wǎng)絡對此依賴關系進行建模,得到精細反映心音特點的子帶自相關建模特征。實驗結果表明,所提出的方法得到的建模特征具有更好的異常心音識別性能。(4)在心循環(huán)結構未知條件下,針對以往的心音特征提取方法不能同時兼顧局部重要信息和時移不變的問題,提出了具有時移不變性的局部時頻結構特征提取與異常心音識別方法。通過使用卷積神經(jīng)網(wǎng)絡逐層提取心音時頻譜的局部特征,并對最后卷積層使用時域最大池化方法來獲得特征表示,從而在保留最重要局部信息的同時,也消除了時移的影響。實驗結果表明,所提出的局部時頻結構特征提取方法具有更好的異常心音識別性能。
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：R540.4;TN912.3

【參考文獻】

相關期刊論文 前2條

1 陳偉偉;高潤霖;劉力生;朱曼璐;王文;王擁軍;吳兆蘇;胡盛壽;;中國心血管病報告2013概要[J];中國循環(huán)雜志;2014年07期

2 ;國家中長期科學和技術發(fā)展規(guī)劃綱要(2006—2020年)[J];中華人民共和國國務院公報;2006年09期

本文編號：2740092