二維心音圖特征提取與識(shí)別方法的研究

成謝鋒， 蔡華民

（南京郵電大學(xué)電子科學(xué)與工程學(xué)院，江蘇 南京 210003）

二維心音圖特征提取與識(shí)別方法的研究

成謝鋒， 蔡華民

（南京郵電大學(xué)電子科學(xué)與工程學(xué)院，江蘇 南京 210003）

針對(duì)心音的特征提取問(wèn)題，將一維心音信號(hào)轉(zhuǎn)換成二維心音圖，采用圖像處理技術(shù)提取心音的圖像特征。本文首先對(duì)一維心音信號(hào)進(jìn)行小波降噪和幅值歸一化，將處理后的心音信號(hào)轉(zhuǎn)換成具有統(tǒng)一性和可比性的二維心音圖，并進(jìn)行預(yù)處理；然后結(jié)合心音生理意義和二維心音圖的圖像特征，對(duì)能表征二維心音圖生理信息的圖像特征進(jìn)行分析研究，重點(diǎn)研究二維心音圖縱橫坐標(biāo)比和拐點(diǎn)序列碼特征；最后，基于縱橫坐標(biāo)比、拐點(diǎn)序列碼、小波分解系數(shù) 3個(gè)特征，探討利用歐氏距離和支持向量機(jī)（SVM）兩種識(shí)別方法進(jìn)行二維心音圖分類(lèi)和身份識(shí)別的可行性。實(shí)驗(yàn)結(jié)果表明，3種特征都可以實(shí)現(xiàn)二維心音圖的分類(lèi)識(shí)別，其中拐點(diǎn)序列碼識(shí)別率最高；這種基于圖像處理的二維心音圖分類(lèi)和身份識(shí)別方法具有明顯的可行性和實(shí)用性，擁有廣闊的應(yīng)用前景。

二維心音圖；圖像處理 ；特征提??；識(shí)別

心音信號(hào)是人體最重要的生理信號(hào)之一，應(yīng)用于聽(tīng)診輔助治療已經(jīng)有了相當(dāng)悠久的歷史。心音信號(hào)含有心臟各個(gè)部分如心房、心室、大血管及各個(gè)瓣膜功能狀態(tài)的大量生理信息，是具備普遍性、獨(dú)特性和可采集性的生物特征。它又是來(lái)自于人體內(nèi)部的信號(hào)，不容易被模仿或復(fù)制[1]。

目前對(duì)一維心音特征提取常見(jiàn)的方法包括以小波變換法為代表的時(shí)頻分析方法[1]和以FFT方法為代表的功率譜分析方法等[2]，以及利用MP 的稀疏分解、最大熵譜方法分解提取出心音信號(hào)的特征，并且采用矢量量化(VQ)、高斯混合模型(Gaussian Mixture Model，GMM)和歐式距離等作為匹配算法完成心音身份識(shí)別，為了提高識(shí)別率，還采用了數(shù)據(jù)融合等技術(shù)手段。由于圖像分類(lèi)識(shí)別技術(shù)已經(jīng)比較成熟，識(shí)別率可達(dá)到實(shí)際應(yīng)用的水平，比如指紋安全認(rèn)證，X線計(jì)算機(jī)斷層攝影(CT)等[3-4]，因此，如果用圖像處理技術(shù)對(duì)二維心音圖進(jìn)行處理和識(shí)別，這是從圖像領(lǐng)域?qū)π囊暨M(jìn)行處理的一種新探索。

本文首先運(yùn)用一維信號(hào)處理方法對(duì)心音信號(hào)進(jìn)行小波降噪和幅值歸一化，將處理后的心音轉(zhuǎn)換成具有統(tǒng)一性和可比性的標(biāo)準(zhǔn)二維心音圖，并對(duì)二維心音圖進(jìn)行灰度化、背景歸一化、二值化、細(xì)化等預(yù)處理。然后結(jié)合心音的生理特點(diǎn)，研究二維心音圖縱橫坐標(biāo)比和拐點(diǎn)序列碼特征提取方法。最后，基于縱橫坐標(biāo)比、拐點(diǎn)序列碼、小波分解系數(shù)3個(gè)特征，分別探討了利用歐式距離和支持向量機(jī)(Support Vector Machine，SVM)兩種識(shí)別方法進(jìn)行二維心音圖分類(lèi)和身份識(shí)別的可行性，并做了大量實(shí)驗(yàn)分析。根據(jù)實(shí)驗(yàn)結(jié)果數(shù)據(jù)顯示，3種特征都可以實(shí)現(xiàn)二維心音圖的分類(lèi)，其中拐點(diǎn)序列碼識(shí)別率最高。身份識(shí)別中同樣是拐點(diǎn)序列碼識(shí)別率最高，說(shuō)明拐點(diǎn)序列碼更能表征二維心音圖的本質(zhì)特征。本文研究成果表明，基于圖像處理的二維心音圖分類(lèi)和身份識(shí)別具有明顯的可行性和安全性，擁有一定的推廣應(yīng)用前景。

1 二維心音圖的獲取

二維心音圖是由一維心音信號(hào)轉(zhuǎn)換成二維圖像得到的，是聲音信號(hào)圖形化的結(jié)果，如圖1所示。在采集心音時(shí)會(huì)因?yàn)椴蓸勇屎筒杉h(huán)境、采集設(shè)備等條件的不同導(dǎo)致采集到的心音信號(hào)不具有統(tǒng)一性和可比性，所以必須統(tǒng)一采樣率、采集環(huán)境和采集設(shè)備?！耙环N雙聽(tīng)診頭的心聲檢測(cè)裝置”（已獲中國(guó)發(fā)明專(zhuān)利, 授權(quán)日期 2009年10月21日，專(zhuān)利號(hào)：ZL2007 1 10015090.1），采樣率統(tǒng)一在22050，采樣環(huán)境無(wú)法具體統(tǒng)一，只能盡量避免不必要的外界噪聲干擾[5-6]。在將一維心音信號(hào)轉(zhuǎn)換成二維心音圖之前必須對(duì)心音信號(hào)進(jìn)行降噪和幅值歸一化：前者是為了讓二維心音圖的波形更加光滑，減少圖像處理時(shí)的難度；后者將心音幅值統(tǒng)一在[-1, 1]之間，使二維心音圖在幅值上具有統(tǒng)一性和可比性。

圖1 二維心音圖

心音主要分為第一心音和第二心音，二維心音圖可以分為第一心音二維心音圖、第二心音二維心音圖、第一心音第二心音組合二維心音圖3種。第一心音的時(shí)長(zhǎng)通常在0.1s到0.12s之間，第一心音二維心音圖取時(shí)長(zhǎng)0.1s，如圖1中左半部分為第一心音二維心音圖；第二心音時(shí)長(zhǎng)通常在0.08s到0.1s之間，第二心音二維心音圖取時(shí)長(zhǎng)0.08s，如圖1右半部分為第二心音二維心音圖；組合二維心音圖取第一心音和第二心音時(shí)長(zhǎng)的總和，也就是0.18s，它剪除了第一心音和第二心音之間的時(shí)間間隔，如圖1整體為組合二維心音圖。二維心音圖的寬度統(tǒng)一為1090，高度統(tǒng)一為400，這樣得到的是400×1090的二維心音圖。

2 二維心音圖的預(yù)處理

二維心音圖的預(yù)處理包括灰度化、背景歸一化、二值化和細(xì)化。

二維心音圖是由心音聲音信號(hào)轉(zhuǎn)換得來(lái)，它的顏色信息無(wú)法達(dá)到本文研究要求，所以首先進(jìn)行灰度化。

因?yàn)樵谵D(zhuǎn)化成二維心音圖時(shí)采用軟件的問(wèn)題，導(dǎo)致生成的二維心音圖背景有網(wǎng)格噪聲，為了突出二維心音圖的波形信息，必須去除網(wǎng)格噪聲（圖2），或者背景歸一化。二維心音圖的灰度直方圖呈現(xiàn)雙峰型，可以通過(guò)全局閾值法統(tǒng)一背景灰度值，基本思想就是將二維心音圖像素灰度平均值作為閾值，對(duì)整個(gè)圖像掃描實(shí)現(xiàn)背景歸一化（圖3）。然后，用全局閾值法實(shí)現(xiàn)圖像二值化（圖4）。

圖2 灰度二維心音圖

圖3 背景歸一化二維心音圖

圖4 二值化二維心音圖

最后，本文采用基于數(shù)學(xué)形態(tài)學(xué)的細(xì)化方法，對(duì)二維心音圖進(jìn)行細(xì)化，目的是減少波形寬度中的無(wú)用冗余信息，突出波形走向和形狀（圖5）。

圖5 細(xì)化二維心音圖

3 二維心音圖的特征提取

特征提取是為了實(shí)現(xiàn)心音的分類(lèi)和身份識(shí)別，有效特征的提取可以實(shí)現(xiàn)高識(shí)別率的心音分類(lèi)和身份識(shí)別。本文提出了縱橫坐標(biāo)比和拐點(diǎn)序列碼兩種二維心音圖特征，可以反映心音的生理意義。其中前者的提出依據(jù)是根據(jù)一維心音中心音幅值時(shí)間比判斷心音是否正常；后者的依據(jù)是一維心音可以由雙峰子波、三峰子波、四峰子波組成。心音的雙峰子波、三峰子波、四峰子波如圖6所示。

圖6 心音的雙峰子波、三峰子波、四峰子波

3.1 縱橫坐標(biāo)比

第一心音(S1)發(fā)生在心臟收縮期，標(biāo)志著心室收縮期的開(kāi)始。本文經(jīng)過(guò)分析不同測(cè)試者的心音信號(hào)幅值發(fā)現(xiàn)，不同人的S1幅值大小存在很大差異，同一人在不同時(shí)段的S1幅值也會(huì)有所區(qū)別。外界影響心音幅值大小的因素有很多，本文將這些影響因素主要分為兩類(lèi)：第一類(lèi)是采集裝置因素，主要有外界環(huán)境噪聲、采集裝置傳感器放置位置、采集裝置的移位、采集裝置與接觸物的摩擦聲、對(duì)傳感器所施壓力的輕重等；第二類(lèi)是受試者自身的因素，主要有受試者的性別、年齡、情緒的變化、胸腔壁的厚薄等[7-8]。在眾多外界因素的影響下，從心音信號(hào)的記錄到心音信號(hào)的分析都是一項(xiàng)非常復(fù)雜和困難的工作。通常的解決辦法是在采集時(shí)就排除這些外界因素的影響[9-11]，這樣后續(xù)心音信號(hào)的分析就不需要考慮這些外界因素的影響。要排除這些外界因素必須對(duì)受檢者進(jìn)行短期培訓(xùn)，培訓(xùn)的結(jié)果是統(tǒng)一測(cè)量和評(píng)估的標(biāo)準(zhǔn)。最后選擇相對(duì)安靜理想的環(huán)境，受檢者在心音采集時(shí)盡力配合，這樣可以得到比較理想的心音。本文只考慮運(yùn)動(dòng)和呼吸對(duì)心音幅值的影響，其他暫不做考慮，體現(xiàn)在二維心音圖也會(huì)有所區(qū)別。

S1的幅值大小標(biāo)志著心臟收縮能力是否正常，S2的幅值大小標(biāo)志著心臟舒張能力是否正常。正常心音幅值時(shí)間比應(yīng)該在一個(gè)固定范圍內(nèi)，那么心音幅值時(shí)間比可以作為正常心音和病態(tài)心音的一個(gè)簡(jiǎn)單分類(lèi)依據(jù)。前文已經(jīng)對(duì)心音信號(hào)做過(guò)幅值歸一化處理，使其具有統(tǒng)一可比性。第一心音時(shí)長(zhǎng)在 0.1s到0.12s左右，本文取 S1固定時(shí)長(zhǎng)0.1s，將心音幅值和時(shí)間的比值作為心臟收縮能力的度量。

從圖像處理角度來(lái)看，心音信號(hào)的幅值體現(xiàn)在二維心音圖上就是最高點(diǎn)坐標(biāo) ymax和最低點(diǎn)ymin坐標(biāo)之間的縱向距離，時(shí)間體現(xiàn)在二維心音圖上就是圖像橫向距離 Width，定義縱橫坐標(biāo)比Ratio為：

對(duì)二維心音圖進(jìn)行橫向掃描，從縱向最高點(diǎn)開(kāi)始橫向掃描，將第一個(gè)掃描到的灰度值為0的像素作為二維心音圖的幅值最高點(diǎn)；同樣地，從縱向最低點(diǎn)開(kāi)始橫向掃描，將掃描到的第一個(gè)灰度值為0的像素作為二維心音圖的幅值最低點(diǎn)。如圖7所示，最高點(diǎn)坐標(biāo)是(xmax, ymax)=(217,40)，最低點(diǎn)坐標(biāo)是(xmin, ymin)=(305, 375)。Width都是1090，那么縱橫坐標(biāo)比就是 0.30734，這是受測(cè)試者的正常第一心音縱橫坐標(biāo)比。

圖7 第一心音的二維心音圖縱橫坐標(biāo)比示意圖

從圖7可以看出最高點(diǎn)和最低點(diǎn)并不一定是相鄰的兩個(gè)點(diǎn)，考慮到二維心音圖的時(shí)間很短暫，將其作為幅值大小是接近真實(shí)情況的。表1給出了5位不同測(cè)試者（3位男性，2位女性）在不同時(shí)刻第一心音二維心音圖縱橫坐標(biāo)比，這5位測(cè)試者所得心音全部為正常心音。

表1 5位測(cè)試者在不同時(shí)刻第一心音二維心音圖縱橫坐標(biāo)比

從表中可以看出：①這五位測(cè)試者縱橫坐標(biāo)比總均值為 0.286534。其中最大縱橫坐標(biāo)比是0.31927，最小縱橫坐標(biāo)比為：0.22385?？梢?jiàn)，正常第一心音縱橫坐標(biāo)比在一個(gè)比較固定的范圍內(nèi)變化；②同一人的心音縱橫坐標(biāo)比變化范圍較小，通常小于 0.02；③不同人的心音縱橫坐標(biāo)比存在一定的差異，這種差異的變化范圍相對(duì)較大。

心臟雜音一般是比較尖銳的，幅值相對(duì)來(lái)說(shuō)會(huì)比較大，體現(xiàn)在二維心音圖上也就是縱橫坐標(biāo)比值較大。但是引起心臟疾病的病因過(guò)于繁雜，要完全區(qū)分較困難，所以縱橫坐標(biāo)比只能作為正常心音和有雜音心音之間的一個(gè)簡(jiǎn)單分類(lèi)依據(jù)。

3.2 拐點(diǎn)序列碼

鏈碼是用曲線起始點(diǎn)的坐標(biāo)和邊界點(diǎn)方向代碼來(lái)描述曲線或邊界的方法，常被用來(lái)在圖像處理、計(jì)算機(jī)圖形學(xué)、模式識(shí)別等領(lǐng)域中表示曲線和區(qū)域邊界[11]。它是一種邊界的編碼表示法，用邊界方向作為編碼依據(jù)，為簡(jiǎn)化邊界的描述，一般描述的是邊界點(diǎn)集。

受到鏈碼概念啟發(fā)，本文提出適合二維心音圖細(xì)節(jié)的特征參數(shù)——拐點(diǎn)序列碼，即統(tǒng)計(jì)二維心音圖的拐點(diǎn)數(shù)，并生成拐點(diǎn)序列。本文先取第一心音二維心音圖作為研究對(duì)象，我們規(guī)定以第一心音第一個(gè)上升過(guò)零點(diǎn)作為起始點(diǎn)，到下一個(gè)上升過(guò)零點(diǎn)為終點(diǎn)，將這一段距離稱(chēng)為一個(gè)拐點(diǎn)周期。一幅二維心音圖中包涵多個(gè)拐點(diǎn)周期，一個(gè)拐點(diǎn)周期內(nèi)有多個(gè)拐點(diǎn)，統(tǒng)計(jì)每個(gè)拐點(diǎn)周期內(nèi)的拐點(diǎn)數(shù)，組合起來(lái)就構(gòu)成拐點(diǎn)序列碼。

圖8 拐點(diǎn)序列碼周期

拐點(diǎn)序列碼確定步驟如下：首先確定中心線位置，即圖中水平橫線，第一列像素第一個(gè)0點(diǎn)就是紅色橫線的起點(diǎn)；其次，找出所有拐點(diǎn)周期，并標(biāo)記每個(gè)周期。如圖8上豎線，每?jī)蓷l相鄰藍(lán)豎線標(biāo)出了一個(gè)拐點(diǎn)周期，下方數(shù)字標(biāo)識(shí)這是第幾個(gè)拐點(diǎn)周期。圖8中共有15個(gè)拐點(diǎn)周期，但真實(shí)有效的拐點(diǎn)周期是 14個(gè)，最后一個(gè)拐點(diǎn)周期并沒(méi)能到達(dá)下一個(gè)上升過(guò)零點(diǎn)，通常最后一個(gè)拐點(diǎn)周期不做有效周期的考慮。

正確找出了所有拐點(diǎn)周期后就可以分別對(duì)每個(gè)拐點(diǎn)周期計(jì)算它的拐點(diǎn)個(gè)數(shù)，按照拐點(diǎn)周期的順序組合成拐點(diǎn)序列碼。統(tǒng)計(jì)拐點(diǎn)序列碼的基本思想是：在一個(gè)拐點(diǎn)周期內(nèi)，根據(jù)二維心音圖波形上的像素點(diǎn)與像素點(diǎn)之間的坐標(biāo)關(guān)系確定這兩個(gè)像素點(diǎn)所連成的直線的斜率，根據(jù)斜率的正負(fù)變化來(lái)確定是否存在拐點(diǎn)。掃描圖像的順序是從上到下，從左到右的，像素點(diǎn)與像素點(diǎn)之間斜率Slope的計(jì)算公式如下：

Slope只有3種數(shù)值情況，本文不考慮具體斜率值，只考慮斜率是大于0、小于0和等于0這三種情況。如果像素間的斜率Slope由正數(shù)逐漸變成負(fù)數(shù)，記為一個(gè)上拐點(diǎn)；相反，如果出現(xiàn)像素間斜率由負(fù)數(shù)逐漸變成正數(shù)，記為一個(gè)下拐點(diǎn)。這中間也會(huì)出現(xiàn)斜率為 0的情況，處理方法是忽略斜率為 0的情況，記住前一個(gè)不為 0斜率的正負(fù)，直到像素間斜率出現(xiàn)非0的變化。統(tǒng)計(jì)出每個(gè)拐點(diǎn)周期內(nèi)的拐點(diǎn)數(shù)，最后組合成拐點(diǎn)序列碼。

拐點(diǎn)序列碼算法實(shí)現(xiàn)的具體步驟如下：①去除水平方向連續(xù)像素；②去除垂直方向連續(xù)像素；③確定起始點(diǎn)和拐點(diǎn)周期；④根據(jù)拐點(diǎn)周期對(duì)圖像進(jìn)行掃描，根據(jù)斜率計(jì)算方法找出上拐點(diǎn)和下拐點(diǎn)；⑤組合每個(gè)周期內(nèi)拐點(diǎn)個(gè)數(shù)成為拐點(diǎn)序列碼。

圖9是同一段心音內(nèi)的第一心音（圖9(a)）和第二心音（圖9(b)），分析三圖可以發(fā)現(xiàn)組合二維心音圖（圖9(c)）的拐點(diǎn)序列碼就是由第一心音拐點(diǎn)序列碼和第二心音拐點(diǎn)序列碼組合起來(lái)的，除了中間連接處會(huì)有所區(qū)別。

圖9 二維心音圖拐點(diǎn)序列碼

4 心音分類(lèi)和身份識(shí)別

本文分類(lèi)識(shí)別方法有兩種：歐氏距離法和LIBSVM。

歐式距離在二維平面上簡(jiǎn)單地說(shuō)就是兩點(diǎn)之間的最短距離，在n維空間里歐式距離數(shù)學(xué)表達(dá)式為

本文歐氏距離識(shí)別法的思想就是根據(jù)n維歐氏距離得出來(lái)的。在識(shí)別時(shí)提取得到n維的識(shí)別特征向量，將它與訓(xùn)練時(shí)提取得到的n維訓(xùn)練特征向量進(jìn)行歐氏距離計(jì)算，取歐氏距離最小的作為該識(shí)別樣本最相似的結(jié)果。歐氏距離識(shí)別方法最大的優(yōu)點(diǎn)是概念簡(jiǎn)單，實(shí)現(xiàn)容易，且識(shí)別率高[1,7]。

LIBSVM 方法利用有限的樣本信息在模型的復(fù)雜性和學(xué)習(xí)能力之間尋找最優(yōu)效果，即對(duì)特定訓(xùn)練樣本的學(xué)習(xí)精度和無(wú)錯(cuò)誤地識(shí)別任意樣本的能力之間尋求最佳折衷，以期獲得最好的推廣能力。該方法在解決小樣本、非線性及高維模式識(shí)別中表現(xiàn)出許多特有的優(yōu)勢(shì)，并能夠推廣應(yīng)用到函數(shù)擬合等其他機(jī)器學(xué)習(xí)問(wèn)題中[12-13]。在本文中，LIBSVM方法尋找最優(yōu)化問(wèn)題變?yōu)槿缦掠?xùn)練向量的線性組合：

只有很少的αi會(huì)大于0，相應(yīng)的 Xi就是支持向量。

本文實(shí)驗(yàn)組對(duì)象為10名測(cè)試者（6名正常，4名患者），每一名測(cè)試者取5個(gè)不同時(shí)間段的組合二維心音圖作為訓(xùn)練識(shí)別數(shù)據(jù)。其中，縱橫坐標(biāo)比是坐落在[0.20000 0.33000]范圍內(nèi)的是正常心音，在這個(gè)范圍之外的是病態(tài)心音。也就是說(shuō)用不到本文所說(shuō)的訓(xùn)練識(shí)別方法，在提取到縱橫坐標(biāo)比后只需與這個(gè)范圍進(jìn)行比較即可知道結(jié)果。取30個(gè)測(cè)試樣本得到的識(shí)別率為76.7%，識(shí)別率不高，主要原因是影響心音幅值大小的因素太多。

用歐式距離和 LIBSVM分別對(duì)樣本進(jìn)行訓(xùn)練識(shí)別結(jié)果如表2所列。

表2 實(shí)驗(yàn)組心音分類(lèi)識(shí)別率(%)

用于身份識(shí)別的10名正常測(cè)試者（正常組），每名測(cè)試者取 10個(gè)不同時(shí)間段組合二維心音圖作為訓(xùn)練識(shí)別數(shù)據(jù)。用歐式距離和LIBSVM分別對(duì)樣本進(jìn)行訓(xùn)練識(shí)別結(jié)果表3所列。

表3 正常組心音身份識(shí)別率(%)

與課題組從一維信號(hào)對(duì)心音進(jìn)行分類(lèi)和身份識(shí)別的效果相比，本文的識(shí)別率相對(duì)較高。比如基于 BP神經(jīng)網(wǎng)絡(luò)的心音身份識(shí)別率達(dá)到90.06%[14]，本文基于拐點(diǎn)序列碼的識(shí)別率達(dá)到了94.03%，較之一維心音提高不少，而且速度快3倍以上。

5 結(jié) 論

心音信號(hào)是人體重要的生理信號(hào)之一。鑒于人類(lèi)更善于通過(guò)眼睛來(lái)接受外界的事物，本文將心音信號(hào)圖形化成二維心音圖，它具有直觀、易保存、易分析的特點(diǎn)。

本文通過(guò)自制的心音采集裝置采集心音信號(hào)，組成小型心音數(shù)據(jù)庫(kù)并用于本文的研究。相較于一維心音的處理，基于圖像處理的二維心音圖特征提取和識(shí)別不僅在速度上有所提升，而且識(shí)別率也得到較大提高。本方法的提出為心音身份識(shí)別技術(shù)提供了一種新的方案。

[1] 成謝鋒, 馬 勇, 劉 陳, 張學(xué)軍, 郭宇鋒. 心音身份識(shí)別技術(shù)的研究[J]. 中國(guó)科學(xué): 信息科學(xué), 2012, 42(2): 235-249.

[2] Cheng Xiefeng, Tao Yewei, Huang Zhengjiang. Heart Sound recognition-a prospective candidate for biometric identification [J]. Advanced Materials Research, 2011, 255(6): 433-436.

[3] 王建衛(wèi), 吳 寧, 羅德紅. 螺旋CT及其圖像處理技術(shù)對(duì)喉部腫瘤侵犯的診斷價(jià)值[J].中華放射學(xué)雜志, 2001, 35(12): 949-952.

[4] 計(jì) 算 機(jī) 斷 層 攝 影 (CT)[EB/OL]. http://baike. baidu.com/view/381367.htm, 2013.

[5] Cheng Xiefeng, Ma Yong, Liu Chen, Zhang Xuejun, Guo Yufeng. Research on heart sound identification technology [J]. Science China Information Scienres, 2012, 55(2): 281-292.

[6] 李天生. 心音采集與分析方法研究[D]. 江門(mén): 五邑大學(xué), 2009.

[7] 成謝鋒, 馬 勇, 張少白, 張 瑛, 郭宇鋒. 基于數(shù)據(jù)融合的三段式心音身份識(shí)別技術(shù)[J]. 儀器儀表學(xué)報(bào), 2010, 31(8): 1712-1720.

[8] 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(xué)儀器與應(yīng)用, 1997, 9(3): 9-12.

[9] Wu Wenzhu, Guo Xingming, Xiao Shouzhong. Research on first heart sound and second heart sound amplitude variability and reversal phenomenon-a new finding in athletic heart study [J]. Journal of Medical and Biological Engineering, 2009, 29(4): 202-205.

[10] 毛安定, 管一弘, 段 銳, 王艷華, 呂 梁, 季云海. 基于 Daubechies小波的圖像邊緣檢測(cè)技術(shù)[J].圖學(xué)學(xué)報(bào), 2012, 33(1): 63-67.

[11] 劉勇奎, 魏 巍, 郭 禾. 壓縮鏈碼的研究[J]. 計(jì)算機(jī)學(xué)報(bào), 2007, 30(2): 281-286.

[12] 曹 翼. 基于支持向量機(jī)理論的車(chē)輛監(jiān)控技術(shù)研究與應(yīng)用[D]. 上海: 上海交通大學(xué), 2010.

[13] 百度百科. 支持向量機(jī)(SVM)LIBSVM[EB/OL]. http://baike.baidu.com/view/598089.htm, 2013.

[14] 馬永華. 改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在心音身份識(shí)別中的應(yīng)用研究[D]. 南京: 南京郵電大學(xué), 2011.

Research on Methods of Feature Extraction and Recognition of Two-Dimensional Phonocardiogram

Cheng Xiefeng, Cai Huamin
(College of Electronic Science and Engineering, Nanjing University of Posts and Telecommunications, Nanjing Jiangsu 210003, China)

The one-dimensional heart sound signal is converted into a two-dimensional phonocardiogram, then image feature of heart sounds based on image processing technology in a two-dimensional phonocardiogram is extracted. Firstly the wavelet noise reduction and amplitude normalization of one-dimensional heart sound by one-dimensional signal processing method are realized, and then heart sounds after the treatment are converted into two-dimensional phonocardiogram with uniformity and comparability, and pretreatment. And the image characteristics of two-dimensional phonocardiogram are analyzed, which is characterization of heart sounds’ physiological information combining with heart sounds’ physiological significance and two-dimensional phonocardiogram’s image features, and the focus is on vertical and horizontal ratio of coordinate and sequence code of inflection point. At last, the feasibility of classification and identification is explored of 2D-PCG using Euclidean distance and Support Vector Machine (SVM) based on vertical and horizontal ratio of coordinate, sequence code of inflection point and wavelet coefficients. Experimental results show that the three features can achieve the classification and recognition of the two-dimensional phonocardiogram, and inflection point sequence code gets the highest recognition rate. The method of 2D-PCG classification and identification based on a two- image processing has the feasibility and practical applicability, and has broad application prospects.

two-dimensional phonocardiogram; image processing; feature extraction; recognition

TP 751

A

2095-302X (2014)02-0268-06

2013-07-15；定稿日期：2013-09-13

國(guó)家自然基金資助項(xiàng)目（61271334；61373065）

成謝鋒（1956-），男，四川資陽(yáng)人，教授。主要研究方向?yàn)橹悄苄畔⑻幚?、心音識(shí)別、智能儀器等。E-mail：jnucxf@163.com