劉翔 孫靜 王威廉

摘 ?要： 心臟聽診在心臟病初期診斷方面具有重要意義，國內(nèi)外對心音信號從信號的角度分析已經(jīng)做了大量的研究。文中將傳統(tǒng)的心音信號經(jīng)過預(yù)處理后，對提取的信號包絡(luò)進(jìn)行一系列的邏輯變換，最后通過一維數(shù)據(jù)處理將其制成一維折線圖。在保持原信號特征基本不丟失的情況下，將其反映在一維折線圖中，從而可以直接觀察到不同病理性心音信號在對應(yīng)的一維折線圖中所表現(xiàn)出的不同特征。實驗結(jié)果表明，該方法可以有效顯示出心音信號的特征，能夠較好地區(qū)分正常與病理性心音信號。

關(guān)鍵詞： 心音信號分析; 包絡(luò)提取; 可視化設(shè)計; 邏輯變換; 一維折線圖; 心臟聽診

中圖分類號： TN27?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識碼： A ? ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）10?0010?05

Research on one?dimensional visualization of heart sound signal based on

variable?value logic theory

LIU Xiang， SUN Jing， WANG Weilian

（School of Information Science & Engineering， Yunnan University， Kunming 650091， China）

Abstract： The cardiac auscultation plays an important role in the early diagnosis of the heart disease， and a lot of heart sound signal analysis research has been done from the perspective of signal at home and abroad. Therefore， a series of logical transformations are conducted for the extracted signal envelopes after the preprocessing of the traditional heart sound signals in this paper. A one?dimensional line chart is made for heart sound signals by means of one?dimensional data processing. The heart sound signals are reflected in the one?dimensional line chart in the condition that the original signal characteristics are not substantially lost， so as to directly observe different pathological heart sound signals′ characteristics represented in the corresponding one?dimensional line chart. The experimental results show that the method can effectively display the characteristics of heart sound signals， and can distinguish normal and pathological heart sound signals well.

Keywords： heart sound signal analysis; envelope extraction; visualization design; logical transformation; one?dimensional line chart; cardiac auscultation

0 ?引 ?言

先天性心臟病是心臟器質(zhì)類疾病，目前它的初步診斷方式是心音聽診，確診由心臟彩超完成。心音聽診是由專業(yè)的醫(yī)務(wù)人員借助心音聽診器來進(jìn)行聽診，聽診結(jié)果會受到聽診人主觀的影響，容易造成誤診，尤其對于分布在醫(yī)療水平偏低的邊遠(yuǎn)地區(qū)的患者來說，只能通過心音聽診來進(jìn)行篩查，更加容易出現(xiàn)誤診[1]。心音信號包含了大量的人體心臟的病理信息，能夠反映心臟當(dāng)前狀況。因此，對心音信號進(jìn)行分析對于診斷與心臟有關(guān)的疾病有重要的意義，而且可以為臨床診斷提供一定參考。

目前，心音信號的分析方法多為傳統(tǒng)的信號分析方法，本文介紹一種全新的基于變值邏輯理論的信號分析方法。根據(jù)序列密碼分析模式正在發(fā)展的一類原創(chuàng)型的連續(xù)信號分析技術(shù)，對傳統(tǒng)的心音信號進(jìn)行轉(zhuǎn)換，將其通過一維折線圖的方式展現(xiàn)出來，通過比較不同病理性心音信號轉(zhuǎn)換生成的一維折線圖來進(jìn)行分析識別，為心音信號的分析識別提供了新的思路。

1 ?心音信號變值邏輯理論分析系統(tǒng)結(jié)構(gòu)

心音信號變值邏輯理論分析系統(tǒng)主要包括心音信號去噪、包絡(luò)提取、變值邏輯數(shù)據(jù)計算及可視化設(shè)計。其中變值邏輯數(shù)據(jù)計算又分為基礎(chǔ)值計算、范圍值計算、偽DNA序列映射、0?1序列轉(zhuǎn)換和測度統(tǒng)計等模塊。本文心音信號去噪方法采用小波軟閾值去噪[2]，包絡(luò)提取采用希爾伯特?黃變換[3]方法提取心音信號的包絡(luò)，在包絡(luò)提取的基礎(chǔ)上進(jìn)行數(shù)據(jù)計算和可視化研究。

2 ?心音信號去噪及包絡(luò)提取

2.1 ?心音信號去噪

心音信號是一種微弱的生理信號，在采集時很容易受到噪聲干擾[4]，因此，要對采集到的心音信號進(jìn)行去噪，盡可能地保留信號中有用的成分。通過實驗發(fā)現(xiàn)，小波基函數(shù)和分級層數(shù)的選擇對去噪結(jié)果有很大影響[5]，通過實驗對比發(fā)現(xiàn)，選用小波coif3[6]為小波基，選用5層小波分解層數(shù)。小波閾值去噪法涉及到軟閾值和硬閾值的選擇。由于軟閾值去噪可以保證小波系數(shù)的符號不變，使輸入/輸出曲線是連續(xù)的，同時更易于處理，不會引起重構(gòu)信號的振蕩[7]。因此，本文選取軟閾值方法。

2.2 ?心音信號包絡(luò)提取

常用的心音包絡(luò)提取有希爾伯特?黃變換方法和歸一化香農(nóng)能量[8]方法。歸一化香農(nóng)能量提取的包絡(luò)會對信號進(jìn)行壓縮，容易損失較多的有效信息。本文是在心音信號包絡(luò)基礎(chǔ)上進(jìn)行的分析識別，需要提取的包絡(luò)保留較多的有效信息，經(jīng)過試驗結(jié)果對比發(fā)現(xiàn)，通過希爾伯特?黃變換提取的心音信號包絡(luò)沒有其他方法光滑，但卻保留了更多的有效信息，故本文采用希爾伯特?黃變換方法提取包絡(luò)。

希爾伯特?黃變換（Hilbert?Huang transform，HHT），是由經(jīng)驗?zāi)B(tài)分解（EMD）和希爾伯特變換兩部分組成[9]。經(jīng)驗?zāi)B(tài)分解即將任意一個復(fù)雜的信號分解為一系列固有模態(tài)函數(shù)（IMF）[10]，濾波后的心音信號使用經(jīng)驗?zāi)B(tài)方法分解，經(jīng)過兩次分解之后，剩余的殘差對原信號意義不大，因此本文進(jìn)行了兩層分解。分解后得到的IMF如圖1所示。

希爾伯特變換公式為：

[Hxt=1π-∞+∞xττ-tdτ=xt?1πt] ? ? ?（1）

式中：[x（t）]為聽診器記錄的一個心音信號，該變換采用積分的原理;“*”表示卷積運算符。

對第一階IMF進(jìn)行希爾伯特變換，得到的希爾伯特包絡(luò)如圖2所示。

3 ?變值邏輯數(shù)據(jù)計算

3.1 ?變值邏輯理論

變值邏輯理論體系是在經(jīng)典的變值邏輯空間的基礎(chǔ)上進(jìn)行擴展演變而來的。傳統(tǒng)的邏輯映射關(guān)系中包括“與”“或”“非”三種基礎(chǔ)邏輯運算，在這三種邏輯運算的基礎(chǔ)上，又新增了“置換”和“互補”兩種運算[11]，從而擴充了邏輯函數(shù)空間。根據(jù)這一思想，對具體實驗信號進(jìn)行數(shù)據(jù)轉(zhuǎn)換，從而實現(xiàn)可視化研究[12]。

圖1 ?心音信號的二階IMF

圖2 ?心音信號一階IMF及其希爾伯特包絡(luò)

3.2 ?變值邏輯數(shù)值計算結(jié)構(gòu)

心音信號變值邏輯數(shù)據(jù)分析結(jié)構(gòu)如圖3所示。

圖3 ?變值邏輯數(shù)據(jù)分析結(jié)構(gòu)圖

3.3 ?基礎(chǔ)值計算

基礎(chǔ)值計算模型是將連續(xù)的心音信號數(shù)據(jù)序列 [a0，a1，a2，…，an]通過公式（2）進(jìn)行計算，獲得相對應(yīng)的基值序列BV[bv0，bv1，bv2，…，bvn-w+1]?；A(chǔ)值計算公式如下：

[ ? ? ? ? ? ? ? ? ? ? ? ? ? bvj=1wi=jw+j-1aij=0，1，2，…，n-w+1;i=j，j+1，j+2，…，n] （2）

式中[w]為滑動窗口值，這里取[w=4]。

3.4 ?范圍值計算

范圍值計算模型通過公式（3）計算范圍值序列RV[rv0，rv1，rv2，…，rvn-w+1]，范圍值計算公式如下：

[rvj=s2maxaj，aj+1，aj+2，…，aj+w-1- ? ? ? ? ? ? ? ?minaj，aj+1，aj+2，…，aj+w-1j=0，1，2，…，n-w+1] （3）

式中：[maxaj，aj+1，aj+2，…，aj+w-1]表示包含在滑動窗口內(nèi)的心音數(shù)據(jù)序列的最大值;[minaj，aj+1，aj+2，…，aj+w-1]表示包含在滑動窗口內(nèi)的心音數(shù)據(jù)序列的最小值;[s]為穩(wěn)定區(qū)間值，是一個臨界參考點，這里取0.95。

3.5 ?偽DNA序列映射

3.5.1 ?區(qū)間取值計算

區(qū)間取值計算模型通過公式（4）計算區(qū)間值序列RC[c0，c1，c2，…，cn-w+1]，區(qū)間取值計算公式如下：

[cj=aj-bvjs*rvj， ?j=0，1，2，…，n-w+1] ?（4）

式中[s]為穩(wěn)定區(qū)間值。

3.5.2 ?偽DNA序列

通過式（2）～式（4）三個計算模型的處理，已經(jīng)將傳統(tǒng)的心音信號序列轉(zhuǎn)換為與之對應(yīng)的區(qū)間取值序列，根據(jù)選取的區(qū)間范圍參數(shù)，可將不同的區(qū)間取值轉(zhuǎn)換為對應(yīng)的不同偽DNA值，進(jìn)而轉(zhuǎn)換成對應(yīng)的偽DNA序列DV[dv0，dv1，dv2，…，dvn-w+1]。區(qū)間范圍參數(shù)選取為：

[dvk=A， ?cj≥sB， ?0≤cj≤sC， ?-s≤cj≤0D， ?cj≤-s ? ? ? j=0，1，2，…，n-w+1] ? ?（5）

式中：[s]為穩(wěn)定區(qū)間值;A，B，C，D為轉(zhuǎn)換出的4個偽DNA元素，心音信號轉(zhuǎn)換出的偽DNA序列由這4個元素組成。試驗結(jié)果表明，根據(jù)具體波形的不同，其映射出的偽DNA元素有很大差別，其中波形上升和下降較為陡的波形將分別映射成A和D，而較為平緩的波形則分別映射成B和C。

3.6 ?0?1序列轉(zhuǎn)換

將前面轉(zhuǎn)換得到的偽DNA序列，通過標(biāo)記不同的偽DNA元素，將其轉(zhuǎn)換成對應(yīng)的0?1序列[13]。由于心音信號包絡(luò)的波峰較多，按照理論研究來說，其轉(zhuǎn)換出的偽DNA序列中A和B元素應(yīng)該較多，而實際實驗也驗證了這一點。故本文選取A作為標(biāo)記元素，將偽DNA序列轉(zhuǎn)換為A所對應(yīng)的0?1序列R[r0，r1，r2，…，rn-w+1]，轉(zhuǎn)換公式如下：

[rl=0， dvk≠p1， dvk=p，p∈A，B，C，D;k=0，1，2，…，n-w+1] ? ? ? ? ? （6）

3.7 ?測度統(tǒng)計

3.7.1 ?變值狀態(tài)劃分

對于轉(zhuǎn)換出的0?1序列進(jìn)行測度統(tǒng)計前，首先要根據(jù)數(shù)據(jù)長度和數(shù)據(jù)特點進(jìn)行分段， 然后根據(jù)分段結(jié)果，對相鄰兩個分段區(qū)間內(nèi)的對應(yīng)位置的數(shù)據(jù)進(jìn)行變值狀態(tài)劃分，設(shè)分段段長為[m]，第[n]段的數(shù)據(jù)為[xi]，其相鄰的第[n+1]段的數(shù)據(jù)為[yi]，則根據(jù)測度劃分規(guī)則，將其劃分成變值邏輯空間中4種變值狀態(tài)，具體劃分規(guī)則如下：

[T=00， ?xi=0，yi=001， ?xi=0，yi=110， ?xi=1，yi=011， ?xi=1，yi=1] ?（7）

3.7.2 ?測度概率統(tǒng)計

根據(jù)已經(jīng)劃分好的變值狀態(tài)，分別統(tǒng)計出各個分段中4種變值狀態(tài)的個數(shù)，然后計算各分段對應(yīng)的測度向量，計算公式如下：

[P00=N00m;P01=N01m;P10=N10m;P11=N11m;P0=N00+N01m;P1=N10+N11m;Pn00=P00P0;Pn01=P01P0;Pn10=P10P1;Pn11=P11P1]

式中：[P00，P01，P10，P11]定義為非歸一化方法下的測度;[P0，P1，Pn00，Pn01，Pn10，Pn11]定義為歸一化方法下的測度。

4 ?可視化設(shè)計

由于心音信號為一串連續(xù)的信號，故需要對選取的一維測度進(jìn)行進(jìn)一步處理，使其能夠反映心音信號的連續(xù)性。本文在傳統(tǒng)的散點數(shù)集統(tǒng)計分析方法（PMF和CDF模型[14]）的基礎(chǔ)上，根據(jù)心音信號的特點，提出累積概率質(zhì)量函數(shù)模型和方差連續(xù)分布函數(shù)模型。本文選取[P01]為一維可視化測度。

4.1 ?累積概率質(zhì)量函數(shù)模型

由于心音信號為連續(xù)的非平穩(wěn)信號，從生理上分析可知，心音信號每個采樣點的數(shù)值與其前面的數(shù)據(jù)有一定的內(nèi)在聯(lián)系，故要對選取的測度進(jìn)行累積，使其能夠充分地反映心音信號這一特點。該模型主要反映前[i]個分段組成的散點子集的離方差值的累積變化情況，具體公式為：

[AFi=ei， ?i≤1] ? （8）

式中，[ei]為第[i]個分段點對應(yīng)于該測度點集的離均差。

4.2 ?方差連續(xù)分布函數(shù)模型

該模型主要反應(yīng)前[i]個分段組成的散點子集的方差值的累積變化情況，公式為：

[VFi=1ie2i， ?i≤1] ? （9）

5 ?實驗結(jié)果及結(jié)論

選取實驗室采集的質(zhì)量較好的心音數(shù)據(jù)分別進(jìn)行繪制，實驗結(jié)果見圖4、圖5。

圖4 ?正常人心音信號一維折線圖

圖5 ?病理性心音信號一維折線圖

圖4為正常人心音信號一維折線圖，圖5為病理性心音信號一維折線圖。從圖中可以看出，正常人心音信號的一維折線圖較為平緩，而病理性心音信號的一維折線圖波動較大，通過對比可以看出病理性心音信號與正常人心音信號明顯不同。后續(xù)的實驗中，在實驗室采集的心音信號數(shù)據(jù)中符合上述特征的占總體的70%以上，就目前初步的實驗結(jié)果來看，其余未符合該特征的數(shù)據(jù)可能是由于不同病種的特征不一致所導(dǎo)致，與心音信號的采集質(zhì)量也有一定的關(guān)系。

6 ?結(jié) ?語

本文采用變值邏輯理論對心音信號進(jìn)行分類識別，具有一定的可行性，為后續(xù)的先天性心臟病不同病種的分類識別提供了一定的實驗及理論基礎(chǔ)，具有繼續(xù)深入研究的價值。

注：本文通訊作者為孫靜。

參考文獻(xiàn)

[1] 劉朝輝，馮國軍，梁坤，等.超聲心動圖對心臟聽診有雜音的腦癱兒童先天性心臟病篩查[J].中外醫(yī)學(xué)研究，2015，13（18）：54?55.

LIU Chaohui， FENG Guojun， LIANG Kun， et al. Congenital heart disease screening by ultrasonic cardiogram for cerebral palsy children with cardiac souffle in cardiac auscultation [J]. Chinese and foreign medical research， 2015， 13（18）： 54?55.

[2] 柯水霞，李遲生.基于LMS自適應(yīng)噪聲抵消和小波閾值的語音降噪算法研究[J].現(xiàn)代電子技術(shù)，2016，39（3）：27?29.

KE Shuixia， LI Chisheng. Research on speech denoising algorithm based on LMS adaptive noise cancellation and wavelet threshold [J]. Modern electronics technique， 2016， 39（3）： 27?29.

[3] 聶杰文，徐明強，王樹青.基于小波消噪和希爾伯特黃變換的損傷檢測技術(shù)研究[J].中國海洋大學(xué)學(xué)報（自然科學(xué)版），2016，46（4）：142?148.

NIE Jiewen， XU Mingqiang， WANG Shuqing. Research on structural damage detection based on wavelet denoising and Hilbert?Huang transform [J]. Periodical of Ocean University of China， 2016， 46（4）： 142?148.

[4] 任浩冉.基于手機的心音采集系統(tǒng)的方法研究[D].秦皇島：燕山大學(xué)，2016.

REN Haoran. Research of the method of heart sound acquisition system based on mobile phones [D]. Qinhuangdao： Yanshan University， 2016.

[5] 劉淑聰，高爾根，陳遜，等.小波包多閾值法在地震信號去噪中的應(yīng)用研究[J].現(xiàn)代電子技術(shù)，2015，38（23）：54?59.

LIU Shucong， GAO Ergen， CHEN Xun， et al. Application of wavelet packet multi?threshold method in seismic signal denoising [J]. Modern electronics technique， 2015， 38（23）： 54?59.

[6] 孟慧，梅鐵民，朱向榮.一種小波包變換的聲紋參數(shù)提取方法研究[J].沈陽：沈陽理工大學(xué)學(xué)報，2015，34（6）：77?82.

MENG Hui， MEI Tiemin， ZHU Xiangrong. Voiceprint parameters extraction based on wavelet packet transform [J]. Transactions of Shenyang Ligong University， 2015， 34（6）： 77?82.

[7] 秦國瑾，吳昭萍，王馨平，等.基于小波變換的呼吸音降噪新方法研究[J].現(xiàn)代電子技術(shù)，2016，39（3）：18?22.

QIN Guojin， WU Zhaoping， WANG Xinping， et al. Research on wavelet transform based new denoising methods for respiratory sound [J]. Modern electronics technique， 2016， 39（3）： 18?22.

[8] 李曉玉.基于包絡(luò)提取的心音信號分段算法的研究[D].杭州：浙江大學(xué)，2015.

LI Xiaoyu. Research on heart sound signal segmentation algorithm based on envelope extraction [D]. Hangzhou： Zhejiang University， 2015.

[9] 杜建衛(wèi).希爾伯特黃變換方法及其在特征提取中的應(yīng)用研究[D].北京：北京科技大學(xué)，2017.

DU Jianwei. Hilbert Huang transform and its application in feature extraction [D]. Beijing： University of Science and Technology Beijing， 2017.

[10] 李光輝.基于希爾伯特黃變換及其改進(jìn)方法的信號分析研究與應(yīng)用[D].成都：成都理工大學(xué)，2012.

LI Guanghui. Research and application of signal analysis based on Hilbert yellow transform and its improvement method [D]. Chengdu： Chengdu University of Technology， 2012.

[11] 鄭智捷.多元邏輯函數(shù)的基礎(chǔ)等價變值表示[J].云南民族大學(xué)學(xué)報（自然科學(xué)版），2011，20（5）：396?397.

ZHENG Zhijie. Equivalent expressions of multiple?variable logic and variant logic functions [J]. Journal of Yunnan University Nationalities （Natural sciences edition）， 2011， 20（5）： 396?397.

[12] 李天宇.偽隨機序列分段變值測量二維可視化[D].昆明：云南大學(xué)，2015.

LI Tianyu. Two?dimensional visualization of segmented variable?value measurement using pseudo?random sequence [D]. Kunming： Yunnan University， 2015.

[13] 王安，宋靜，任仲夷，等.一種新型變值邏輯偽隨機數(shù)發(fā)生器的實現(xiàn)與分析[J].云南大學(xué)學(xué)報（自然科學(xué)版），2013，35（z2）：120?124.

WANG An， SONG Jing， REN Zhongyi， et al. Implementation and analysis of a new variant logic pseudo?random number generator [J]. Journal of Yunnan University （Natural sciences）， 2013， 35（S2）： 120?124.

[14] 肖薇薇，許晶晶.基于累積分布函數(shù)的統(tǒng)計降尺度模型校驗方法適用性研究[J].江西農(nóng)業(yè)學(xué)報，2016，28（1）：74?78.

XIAO Weiwei， XU Jingjing. Applied research of calibration method for SDSM model based on cumulative distribution function [J]. Acta agriculturae Jiangxi， 2016， 28（1）： 74?78.