冠心病舒張期心音信號的非線性分析算法研究.pdf

1、冠心病已經成為嚴重威脅人們身體健康的疾病之一,由于其高發(fā)病率,高致殘率和高死亡率,不僅嚴重影響著個人健康和生活質量,也會給國家和社會帶來極為沉重的負擔。因此,對冠心病的早發(fā)現(xiàn)、早診斷、早治療是至關重要的。冠心病是由于冠狀動脈狹窄,導致心肌供血不足,從而引起的心肌機能障礙和器質性病變。心音是人體重要生理信號之一,蘊含著心血管的生理和病理信息。冠狀動脈狹窄,導致流經冠狀動脈的血液狀態(tài)由層流變成湍流,從而在心音信號舒張期中產生高頻心雜音。因此

2、,舒張期心音信號的非線性分析對于冠心病的早發(fā)現(xiàn)、早診斷、早治療有重要的意義。
　　本文研究了基于非線性分析的冠心病舒張期心音信號特征提取算法。通過對舒張期心音信號的非線性分析,提取出冠心病患者的有效病理特征。首先,運用S變換對舒張期心音信號進行時頻分析,提出了基于S變換和Renyi熵的舒張期心音信號非線性分析算法;其次,利用EMD對舒張期心音信號進行趨勢項剔除,提出基于EMD和關聯(lián)維數(shù)的舒張期心音信號非線性分析算法;最后,利用臨床

3、采集的心音信號驗證了算法性能。
　　本論文主要工作如下:
　　(1)提出了基于S變換和Renyi熵的舒張期心音信號非線性分析算法。首先,研究S變換和Renyi熵理論,探討了Renyi熵參數(shù)的選取。其次,對舒張期心音信號進行S變換,在時頻域上計算Renyi熵。最后,分析臨床采集得到的正常人和冠心病患者的舒張期心音信號。結果表明,正常人心音信號的Renyi熵值低于冠心病患者心音信號的Renyi熵值且具有顯著差異性。所以Renyi

4、熵能有效揭示冠狀動脈狹窄引起的血流流變狀態(tài)改變的信息。
　　(2)提出了基于經驗模式分解(Empirical mode decomposition,EMD)和關聯(lián)維數(shù)的舒張期心音信號非線性分析算法。首先,研究EMD和關聯(lián)維數(shù)理論,并對關聯(lián)維數(shù)進行參數(shù)選取。其次,運用EMD對舒張期心音信號進行趨勢項剔除與重構,對重構信號進行關聯(lián)維數(shù)的計算。最后,分析臨床采集得到的正常人和冠心病患者的舒張期心音信號。實驗結果表明,冠心病患者心音信號的