• 1. 云南大学 信息学院(昆明 650504);
  • 2. 云南省阜外心血管病医院(昆明 650102);
导出 下载 收藏 扫码 引用

心音分割指对所获取的心音信号按心动周期对收缩期、舒张期等进行分隔,是进行心音分类前的关键步骤。针对不依赖心电图对心音信号直接分割准确度有限的难题,提出了一种基于持续时间隐马尔可夫模型的心音分割算法。首先对心音样本进行位置标注;然后采用自相关估计法对心音的心动周期持续时间进行估计,通过高斯混合分布对样本的状态持续时间进行建模;接着通过训练集信号对隐马尔可夫模型进行优化并建立基于持续时间的隐马尔可夫模型(DHMM);最后使用维特比算法对心音状态进行回溯得出 S1、收缩期、S2、舒张期。使用 500 例心音样本对本文算法性能进行测试,平均评估精度分数(F1)为 0.933,平均灵敏度为 0.930,平均精确率为 0.936。同其他算法相比,本文算法各项性能指标均有明显提升,证实了该算法具有较高的鲁棒性和抗噪声性能,为临床环境下所采集心音信号的特征提取与分析提供了一种新方法。

引用本文: 奎皓然, 潘家华, 宗容, 杨宏波, 粟炜, 王威廉. 基于持续时间隐马尔可夫模型的心音分割算法. 生物医学工程学杂志, 2020, 37(5): 765-774. doi: 10.7507/1001-5515.201911061 复制

  • 上一篇

    高频重复经颅磁刺激后大鼠工作记忆局部场电位时频特征与相干性差异分析
  • 下一篇

    噪声动态估计下的心音降噪