本發(fā)明屬于醫(yī)學(xué)模型領(lǐng)域，具體涉及一種基于級聯(lián)無損聲管的心音產(chǎn)生模型。

背景技術(shù)：

生物體所產(chǎn)生的每一種聲音，其聲學(xué)特性都源自于兩個(gè)因素，一個(gè)是發(fā)聲系統(tǒng)，另一個(gè)是共振系統(tǒng)。心音作為一種重要的生物體信號(hào)，它是由于心肌收縮和舒張，瓣膜啟閉，血流沖擊心室壁和大動(dòng)脈等因素引起的一系列機(jī)械振動(dòng)所產(chǎn)生的。在心音的產(chǎn)生過程中，心臟的瓣膜是心音的發(fā)聲系統(tǒng)；心房、心室以及動(dòng)脈血管則是心音的共振系統(tǒng)。心臟瓣膜的啟閉產(chǎn)生了原始心音波形，當(dāng)原始心音經(jīng)過心房、心室以及動(dòng)脈血管時(shí)，受到腔體的調(diào)制作用，心音的能量分布被重新分配。在某些特定頻段，由于共振作用，心音的能量得到加強(qiáng)，由此產(chǎn)生了能夠表征心音特征的共振峰頻率。因此，共振峰頻率值的分布同心臟內(nèi)部心房、心室以及動(dòng)脈血管的尺寸和形狀有著密切聯(lián)系。

伴隨著年齡的不斷增長，心肌的收縮力與舒張力也會(huì)不斷下降，各式各樣的心血管疾病由此產(chǎn)生。因此，在青壯年人群與老年人群之間，健康者與心臟疾病患者之間，其心臟內(nèi)部的尺寸和形狀會(huì)存在很大差異。

現(xiàn)有的心音模型可以分為兩種類型，一種是以調(diào)制正弦波的方式逼近心音時(shí)域波形，能夠很好地反映心音信號(hào)的時(shí)域特性；另一種心音模型則是采用將血液的流體力學(xué)參數(shù)等效為電參數(shù)的方法，模擬心動(dòng)周期中血流、血壓等生理參數(shù)的變化情況。但是，心音作為一種聲學(xué)信號(hào)，現(xiàn)有的模型沒有能夠從聲學(xué)角度去反映心音的產(chǎn)生過程；而且模型的建立并未與心臟內(nèi)部的結(jié)構(gòu)特征產(chǎn)生聯(lián)系，這對于病理心音的解釋缺乏一定的說服力。

綜上所述，客觀上需要通過一種新的模型來凸顯心臟內(nèi)部結(jié)構(gòu)與心音產(chǎn)生過程之間的聯(lián)系，以及心音特征與心臟內(nèi)部結(jié)構(gòu)特征之間的聯(lián)系，為心音產(chǎn)生機(jī)理的研究、病理心音的特征分析以及心臟疾病的診斷提供可靠的理論基礎(chǔ)。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問題是針對現(xiàn)有的模型沒有能夠從聲學(xué)角度去反映心音的產(chǎn)生過程以及模型的建立并未與心臟內(nèi)部的結(jié)構(gòu)特征產(chǎn)生聯(lián)系的缺陷。

為達(dá)到上述目的，本發(fā)明提出的技術(shù)方案是一種基于級聯(lián)無損聲管的心音產(chǎn)生模型，該模型包含五個(gè)模塊，分別是心音采集模塊、心音預(yù)處理模塊、共振峰分析模塊、模型建立模塊與分析診斷模塊，所述心音采集模塊用于采集實(shí)測者的實(shí)時(shí)心音信號(hào)；心音預(yù)處理模塊的輸入信號(hào)為來自心音采集模塊的實(shí)測心音，用于對實(shí)測心音去噪并分段得到第一心音和第二心音，并連接到共振峰分析模塊；共振峰分析模塊的輸入信號(hào)來自心音預(yù)處理模塊，用于提取所述第一心音和第二心音的共振峰頻率，其共振峰頻率作為目標(biāo)參數(shù)連接到模型建立模塊；模型建立模塊的輸入?yún)?shù)為初始模型內(nèi)半徑，通過逼近實(shí)測心音共振峰頻率的方法建立對應(yīng)心音的級聯(lián)無損聲管模型，將最終的模型內(nèi)半徑作為輸出參數(shù)連接到分析診斷模塊；分析診斷模塊的輸入來自模型建立模塊，根據(jù)模型內(nèi)半徑與閾值對比的結(jié)果，診斷是否存在心力衰竭的癥狀。

進(jìn)一步，上述心音采集模塊使用的心音采集器的采樣頻率設(shè)置在2000Hz以上，對采集到的心音信號(hào)進(jìn)行模‐數(shù)轉(zhuǎn)換，并傳輸至PC端進(jìn)行處理。

上述心音預(yù)處理模塊采用小波變換對心音信號(hào)進(jìn)行去噪處理，然后采用歸一化平均香農(nóng)能量的方法提取心音的能量包絡(luò)線，利用能量包絡(luò)線準(zhǔn)確地標(biāo)記出S1和S2的起始和終止位置。

上述小波變換的具體步驟是將采集到的心音信號(hào)通過db6小波包作5層分解，分別選取三個(gè)小波分量進(jìn)行重構(gòu)完成去噪。

作為優(yōu)選，上述三個(gè)小波分量分別是d3：100‐200Hz，d4：50‐100Hz，d5：25‐50Hz。

上述共振峰分析模塊采用線性預(yù)測編碼方式(Linear Predictive Coding，LPC)對心音信號(hào)進(jìn)行共振峰分析時(shí)，心音信號(hào)樣本s(n)可表示為相應(yīng)的傳輸函數(shù)為根據(jù)H_LPC(z)的零點(diǎn)判斷共振峰的極點(diǎn)及所對應(yīng)的共振峰頻率。

上述模型建立模塊建立S1和S2模型的具體步驟如下：

第1步：輸入心音的實(shí)測信號(hào)，對其進(jìn)行去噪并分段得到S1和S2；

第2步：基于LPC提取S1和S2的共振峰頻率{Ff₀ⁱ}，即目標(biāo)參數(shù)；

第3步：根據(jù)醫(yī)學(xué)上對心臟各部位尺寸的描述，初始化模型的內(nèi)半徑{R_m}；

第4步：讀入{R_m}，根據(jù)H_Model(z)，得到模型產(chǎn)生的共振峰頻率{Ffⁱ}；

第5步：計(jì)算共振峰頻率的差值d_i＝Ffⁱ‐Ff₀ⁱ；

第6步：設(shè)定閾值t＝5Hz，若d_i<t，流程結(jié)束，模型建成，獲得模型的內(nèi)半徑；否則進(jìn)入第7步；

第7步：利用逐級逼近法來調(diào)整{R_m}，返回至第4步。

上述分析診斷模塊用于診斷心力衰竭癥狀，包括心肌舒張力和心肌收縮力兩項(xiàng)指標(biāo)，診斷方法分別如下：

對于心肌舒張力：針對不同年齡段的健康實(shí)測者，為其S1的級聯(lián)無損聲管模型的內(nèi)半徑設(shè)置正常范圍，并設(shè)置內(nèi)半徑的最小閾值，若實(shí)測者第一心音模型的內(nèi)半徑小于該閾值，判斷為心肌舒張力不足；

對于心肌收縮力：針對不同年齡段的健康實(shí)測者，為其S2的級聯(lián)無損聲管模型的內(nèi)半徑設(shè)置正常范圍，并設(shè)置內(nèi)半徑的最大閾值，若實(shí)測者第二心音模型的內(nèi)半徑大于該閾值，判斷為心肌收縮力不足。

與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果在于：

1，從聲學(xué)角度出發(fā)，將共振峰頻率作為模型的目標(biāo)參數(shù)，不僅能夠反映心音作為聲音信號(hào)的聲學(xué)特性，而且，心音的共振峰頻率具有穩(wěn)定性和獨(dú)特性，即來自同一個(gè)人的心音共振峰頻率非常接近，而來自不同人的心音共振峰頻率差異明顯，因此共振峰頻率可以作為新的心音特征應(yīng)用于心音的分類識(shí)別研究中。

2，本發(fā)明以內(nèi)半徑{R_m}作為模型參數(shù)，將心音模型與心臟內(nèi)部的形狀和尺寸特征相聯(lián)系，很好地反映了在心音產(chǎn)生過程中心臟的收縮與舒張狀態(tài)，正常心音與病理心音都能夠被很好的模擬，這對于分析心音產(chǎn)生過程以及解釋病理心音的產(chǎn)生原因提供了更為可靠的理論依據(jù)。

附圖說明

圖1是基于級聯(lián)無損聲管的心音產(chǎn)生模型的示意圖。

圖2是基于級聯(lián)無損聲管模型診斷心力衰竭癥狀的實(shí)現(xiàn)流程示意圖。

圖3是建立S1和S2級聯(lián)無損聲管模型的流程圖。

圖4是提取S1和S2共振峰頻率的示意圖。

圖5是確定S1和S2模型的內(nèi)半徑的示意圖。

具體實(shí)施方式

現(xiàn)結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)的說明。本發(fā)明涉及的主要內(nèi)容是針對心音產(chǎn)生過程與心臟內(nèi)部結(jié)構(gòu)的聯(lián)系，從發(fā)聲聲學(xué)角度出發(fā)，將心臟內(nèi)部的心室和動(dòng)脈血管等效為長度相等，內(nèi)半徑不等的多級無損聲管，通過對聲管內(nèi)半徑的增大和減小，模擬在心動(dòng)周期中，心室以及動(dòng)脈血管的舒張與收縮狀態(tài)。根據(jù)心音特征與心臟內(nèi)部結(jié)構(gòu)特征之間的聯(lián)系，分別選取第一心音(S1)和第二心音(S2)共振峰頻率作為模型的目標(biāo)參數(shù)進(jìn)行研究，結(jié)合歸一化平均香農(nóng)能量的分段算法，對心音信號(hào)進(jìn)行分段獲得第一心音和第二心音，并基于線性編碼預(yù)測(LPC)方法分別提取第一心音和第二心音的共振峰頻率。通過一種逐級逼近法，將模型仿真出的共振峰頻率與實(shí)際心音的共振峰頻率進(jìn)行逼近。最終，分別得到第一心音和第二心音的級聯(lián)無損聲管模型。利用該模型分別對正常心音信號(hào)和病理心音信號(hào)進(jìn)行仿真，實(shí)驗(yàn)結(jié)果表明，共振峰頻率作為模型的目標(biāo)參數(shù)能夠表征心音的穩(wěn)定性和獨(dú)特性；心音的產(chǎn)生過程通過該模型能夠得到很好的模擬；通過正常心音模型與病理心音模型的比較，病理心音的特征得到了凸顯，心臟疾病的產(chǎn)生原因也得到了合理的解釋。

第一心音標(biāo)志著心臟收縮期的開始，房室的內(nèi)半徑處于最大狀態(tài)，此刻的內(nèi)半徑能夠表征心肌舒張力；第二心音標(biāo)志著心臟舒張期的開始，房室的內(nèi)半徑處于最小狀態(tài)，此刻的內(nèi)半徑能夠表征心肌收縮力?；谏鲜隼碚?，提出了能夠診斷心力衰竭癥狀的技術(shù)實(shí)現(xiàn)方案。即為第一心音的級聯(lián)無損聲管模型設(shè)置內(nèi)半徑的閾值，當(dāng)實(shí)測者第一心音模型的內(nèi)半徑小于該閾值，判斷為心肌舒張力不足；同時(shí)，為第二心音的級聯(lián)無損聲管模型設(shè)置內(nèi)半徑的閾值，當(dāng)實(shí)測者第二心音模型的內(nèi)半徑大于該閾值，判斷為心肌收縮力不足。

如圖1所示，本發(fā)明提出了一種基于級聯(lián)無損聲管的心音產(chǎn)生模型?；谠撃Ｐ蛯?shí)現(xiàn)心力衰竭診斷的系統(tǒng)框架由五個(gè)模塊組成，分別為：心音采集模塊、心音預(yù)處理模塊、共振峰分析模塊、生成模型模塊與分析診斷模塊，如圖2所示。其中心音采集模塊用于采集實(shí)測者的實(shí)時(shí)心音信號(hào)；心音預(yù)處理模塊用于對實(shí)測心音去噪并分段得到第一心音和第二心音；共振峰分析模塊用于提取第一心音和第二心音的共振峰頻率；模型建立模塊是通過逼近實(shí)測心音共振峰頻率的方法過得對應(yīng)心音的級聯(lián)無損聲管模型；分析診斷模塊是根據(jù)模型內(nèi)半徑與閾值對比的結(jié)果，診斷是否存在心力衰竭的癥狀。

1.采集模塊，采用的是一款肩戴式無線心音采集器，心音采集器由密封的聽診共振腔和聲音傳感器組成，并將聲音傳感器放置于密封共振腔內(nèi)以獲取低頻特性較好的心音信號(hào)。采樣頻率設(shè)置為11025Hz，然后對采集到的心音信號(hào)進(jìn)行模擬‐數(shù)字轉(zhuǎn)換，并傳輸至PC端進(jìn)行處理。

2.預(yù)處理模塊主要分為兩個(gè)去噪和分段兩個(gè)步驟，具體內(nèi)容為：

(1)去噪。采用小波變換對心音信號(hào)進(jìn)行去噪處理，該方法具有時(shí)間局部性好、能量集中度高等優(yōu)點(diǎn)。將采集到的心音信號(hào)通過db6小波包作5層分解；考慮到S1和S2的頻率都在200Hz以下，分別選取d3(100‐200Hz)、d4(50‐100Hz)和d5(25‐50Hz)三個(gè)小波分量進(jìn)行重構(gòu)即可完成去噪；

(2)分段。采用歸一化平均香農(nóng)能量的方法實(shí)現(xiàn)S1和S2的分段，香農(nóng)能量具有對低強(qiáng)度信號(hào)的削弱作用大于高強(qiáng)度信號(hào)的特點(diǎn)，提取的能量包絡(luò)線更能反映信號(hào)的峰值和能量變化的趨勢，因此可以利用能量包絡(luò)線準(zhǔn)確的標(biāo)記出S1和S2的起始和終止位置。

3.共振峰分析模塊。線性預(yù)測編碼(Linear Predictive Coding，LPC)是對聲音信號(hào)進(jìn)行共振峰分析最為有效的方法之一。它的特點(diǎn)在于能夠精確地表征音頻信號(hào)的幅度譜，且所需的計(jì)算量相對而言并不大，其中最主要的特點(diǎn)在于能夠從預(yù)測系數(shù)構(gòu)成的多項(xiàng)式中精確地估計(jì)共振峰頻率。在對心音信號(hào)進(jìn)行共振峰分析時(shí)，心音信號(hào)樣本s(n)可表示為

式中，u(n)為激勵(lì)函數(shù)，G為增益，{a_k，k＝1,2,3,…,p}是LPC系數(shù)。相應(yīng)的傳輸函數(shù)H_LPC(z)為

上式還可以表示為p個(gè)極點(diǎn)的級聯(lián)形式：

式中，z_k＝r_kexp(jθ_k)是H(z)在z平面上第k個(gè)極點(diǎn)。若H_LPC(z)是穩(wěn)定的，其所有極點(diǎn)都在z平面的單位圓內(nèi)。則第k個(gè)共振峰的頻率F_k＝θ_k/2πT，T是心音信號(hào)的采樣周期。心音信號(hào)的共振峰可以根據(jù)傳輸函數(shù)進(jìn)行估計(jì)，最直接的方法是對H_LPC(z)的分母進(jìn)行多項(xiàng)式求零點(diǎn)，根據(jù)求得的零點(diǎn)判斷共振峰的極點(diǎn)及所對應(yīng)的共振峰頻率。

4.模型建立模塊。利用反射性傳輸線的理論，計(jì)算得到級聯(lián)無損聲管模型的傳輸函數(shù)為：

式中，N為聲管的級數(shù)，k_i為第i個(gè)節(jié)點(diǎn)的反射系數(shù)根據(jù)模型的傳輸函數(shù)，分別建立S1和S2的級聯(lián)無損聲管模型，流程圖如附圖3所示。具體的步驟如下：

第1步：輸入心音的實(shí)測信號(hào)，對其進(jìn)行去噪并分段得到S1和S2；

第2步：基于LPC提取S1和S2的共振峰頻率{Ff₀ⁱ}，即目標(biāo)參數(shù)，如附圖4所示；

第3步：根據(jù)醫(yī)學(xué)上對心臟各部位尺寸的描述，初始化模型的內(nèi)半徑{R_m}；

第4步：讀入{R_m}，根據(jù)H_Model(z)，得到模型產(chǎn)生的共振峰頻率{Ffⁱ}；

第5步：計(jì)算共振峰頻率的差值d_i＝Ffⁱ‐Ff₀ⁱ；

第6步：設(shè)定閾值t＝5Hz，若d_i<t，流程結(jié)束，模型建成，獲得模型的內(nèi)半徑，如附圖5所示；否則進(jìn)入第7步；

第7步：利用一種聲管內(nèi)半徑的逐級逼近法來調(diào)整{R_m}，返回至第4步。

其中，心音聲管內(nèi)半徑的逐級逼近法，用來確定模型的內(nèi)半徑值{R_m}，如下表所示，該算法的方法如下：

(1){R_m}與{Ffⁱ}存在如下表的變化規(guī)律。其中，“↑”表示上升，“↓”表示下降，“-”表示不影響。

(2)橫向逼近。根據(jù)表中的橫向規(guī)律，依次調(diào)整R₁、R₂、R₃…...R₉，每次上升或下降的幅度為R_m的20％，使得{Ffⁱ}→{Ff₀ⁱ}，直到d_i≤50Hz為止。

(3)縱向逼近。根據(jù)表中的縱向規(guī)律，在不考慮其它三個(gè)Ffⁱ情況下，單獨(dú)逼近Ff¹‐Ff⁴，并按照“Ff¹→Ff²→Ff³→Ff⁴→Ff¹→Ff²……”的順序依次循環(huán)逼近，其中每輪循環(huán)上升或下降的幅度依次為R_m的10％、5％、2.5％......直到差值d_i≤5Hz，算法結(jié)束。

表{R_m}與{Ffⁱ}的變化規(guī)律

5.分析診斷模塊。包括以下兩個(gè)指標(biāo)：心肌舒張力和心肌收縮力。

(1)心肌舒張力：針對不同年齡段的健康實(shí)測者，為其S1的級聯(lián)無損聲管模型的內(nèi)半徑設(shè)置正常范圍，并設(shè)置內(nèi)半徑的最小閾值，若實(shí)測者第一心音模型的內(nèi)半徑小于該閾值，判斷為心肌舒張力不足。

(2)心肌收縮力：針對不同年齡段的健康實(shí)測者，為其S2的級聯(lián)無損聲管模型的內(nèi)半徑設(shè)置正常范圍，并設(shè)置內(nèi)半徑的最大閾值，若實(shí)測者第二心音模型的內(nèi)半徑大于該閾值，判斷為心肌收縮力不足。