發(fā)布時間：2020-06-13 05:01

【摘要】：心音,是心臟血流動力與心血管系統(tǒng)相互作用而產生的一系列機械振動,攜帶了大量關于心血管系統(tǒng)健康狀況的信息,是診斷心臟疾病、評估心臟功能的重要信息來源。人體在平靜狀態(tài)下,呼吸是引起心臟血流動力變化的重要因素。本文基于“呼吸—心臟血流動力—心音形態(tài)”的生理關系鏈條,研究呼吸對第二心音分裂的定量作用,建立呼吸相位與心音特征之間的模型。本文工作主要包括以下兩個部分。(1)呼吸過程中第二心音分裂現(xiàn)象的研究。研究了呼吸引起心臟血流動力周期性變化的生理機制。根據(jù)第二心音主動脈瓣分量(A分量)和肺動脈瓣分量(P分量)的分裂關系,提出了呼吸狀態(tài)下第二心音模型,提出了定量估計分裂值的疊加平均法。在仿真條件下,對本文方法、短時傅立葉變換方法(STFT方法)和希爾伯特振動分解方法(HVD方法)的估計性能進行了對比。仿真結果表明:本文方法、HVD方法和STFT方法的均方根誤差分別為0.98毫秒,0.84毫秒和1.1毫秒。進一步采集了12名健康成年人的同步心電、心音和呼吸信號,驗證了本文方法的有效性。從運算復雜度、估計分裂值與呼吸相位的一致性程度等方面,對以上三種方法進行對比。實驗結果表明,本文方法具有最小的復雜度,運算時間約是HVD方法的數(shù)百分之一、約是STFT方法的十分之一,估計分裂值的一致性程度略優(yōu)于HVD方法或相當,高于STFT方法。(2)利用心音特征預測呼吸相位。研究了呼吸引起的心音形態(tài)變化,發(fā)現(xiàn)了跟呼吸相關的心音特征。主要有心音的幅度特征、能量特征、時間域特征和固有模態(tài)函數(shù)(Intrinsic Mode Function,IMF)相關特征。以RBF神經網絡、GRNN神經網絡和支持向量機對呼吸相位與心音特征之間的關系進行建模。以22名健康成年人的呼吸信號和心音信號對模型進行了測試。結果表明,呼吸相位與心音特征之間存在特定的非線性關系,神經網絡具有擬合這種非線性關系的能力。通過實驗數(shù)據(jù),定量評估了各個模型的預測性能。分析發(fā)現(xiàn),GRNN神經網絡具有最佳預測性能,呼吸相位的預測誤差在0.23弧度至0.87弧度之間。以上研究成果有利于定量評估“呼吸—心臟血流動力—心音形態(tài)”的生理關系鏈條,形成間接評估心臟功能的方法,在篩查心臟血流動力異常、呼吸功能異常等方面具有潛在應用價值。
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：R318

【參考文獻】

相關期刊論文 前7條

1 張金寶;王杰華;;由心電信號提取呼吸信息的算法及其仿真實現(xiàn)[J];南通大學學報(自然科學版);2014年01期

2 鄒滋潤;陳真誠;朱健銘;;基于光電容積脈搏波的呼吸波提取[J];中國生物醫(yī)學工程學報;2013年04期

3 高佼;唐洪;邱天爽;于勤;;第二心音主動脈瓣分量和肺動脈瓣分量的提取方法[J];中國生物醫(yī)學工程學報;2012年02期

4 肖敏;蔡光卉;張榆鋒;鄭帆;楊維娜;;一種呼吸信號的檢測方法[J];生物醫(yī)學工程研究;2008年03期

5 于云之,聶邦畿;心音的臨床意義及研究現(xiàn)狀[J];現(xiàn)代醫(yī)學儀器與應用;1997年03期

6 李仁嘉;第四心音的臨床意義[J];中級醫(yī)刊;1994年07期

7 王鵬巨;何意亭;;第三心音產生機理和臨床意義的研究進展[J];心血管病學進展;1988年03期

，

本文編號：2710692