基于便攜式電子聽診器的心音信號(hào)分析

王毅德，姚 飛，耿興光，趙 陽，張 浩，徐 偉，黃成軍

（1.中國科學(xué)院微電子研究所 健康電子研發(fā)中心，北京100029；2.中國科學(xué)院大學(xué) 電子信息與技術(shù)學(xué)院，北京100029；3.湖北警官學(xué)院，湖北 武漢430034）

0 引 言

心音是心臟搏動(dòng)過程中產(chǎn)生的一種振動(dòng)信號(hào)，能夠反映心臟活動(dòng)、血液流動(dòng)和心臟的健康情況[1]。傳統(tǒng)的心音聽診工具是機(jī)械式聽診器，依靠聽診頭膜片的振動(dòng)采集心音信號(hào)。隨著技術(shù)的發(fā)展，出現(xiàn)了基于數(shù)字信息技術(shù)的新式電子聽診器。這類聽診器改善了傳統(tǒng)聽診器的部分缺陷，如噪聲干擾、微弱心音辨識(shí)度低等問題，同時(shí)，結(jié)合數(shù)字處理技術(shù)可以對心音進(jìn)行定量分析[2]。近年來，在心音分析方面，許多學(xué)者利用現(xiàn)代信號(hào)處理技術(shù)對心音信號(hào)進(jìn)行研究。成謝鋒等采用線性預(yù)測編碼方法提取心音的共振峰頻率，并以此為特征進(jìn)行心音信號(hào)的分類識(shí)別[3]。曾錚等采用S變換和小波變換提取心動(dòng)周期信號(hào)的不同特征參數(shù)，以此區(qū)分正常心音與異常心音[4]。陳剛等采用歸一化香農(nóng)能量的方法提取心音包絡(luò)和時(shí)域特征，進(jìn)行信號(hào)分析[5]。由于心音是非平穩(wěn)信號(hào)，如果要得到信號(hào)不同頻率范圍的能量大小隨著時(shí)間變化的信息，時(shí)頻域分析法具有很大優(yōu)勢[6]。本團(tuán)隊(duì)在前期工作中，設(shè)計(jì)制作了一款基于STM32嵌入式微處理器的便攜式多功能電子聽診器，可以實(shí)現(xiàn)對心音信號(hào)的采集、存儲(chǔ)、回放等功能。本文進(jìn)一步對采集的心音信號(hào)，分別采用短時(shí)傅里葉變換和Choi-Williams分布對心音信號(hào)進(jìn)行時(shí)頻域分析，對比不同心音信號(hào)間的差異，從而為心音信號(hào)特征的自動(dòng)分析與特征的智能提取奠定基礎(chǔ)。

1 心音采集硬件系統(tǒng)

本課題組前期設(shè)計(jì)制作的便攜式多功能電子聽診器，主要由拾音頭、濾波模塊、主控模塊和功率放大模塊等部分組成。其直徑為6.5 cm，重量為122 g，易于攜帶；帶寬為600 Hz，信噪比為51 dB，可將心音信號(hào)放大10倍以上；同時(shí)可將心音發(fā)送至上位機(jī)進(jìn)行波形顯示、存儲(chǔ)回放等。本文的主要工作是對于采集到的心音信號(hào)進(jìn)行處理與分析，系統(tǒng)的工作流程如圖1所示。首先進(jìn)行小波降噪預(yù)處理，對處理后的信號(hào)進(jìn)行時(shí)頻聯(lián)合分析，進(jìn)而對心臟健康狀況做出判斷。

圖1 系統(tǒng)工作流程

實(shí)驗(yàn)所用心音數(shù)據(jù)有兩個(gè)來源，分別是“《執(zhí)業(yè)醫(yī)師實(shí)踐技能考試專用心臟聽診》心音錄音數(shù)據(jù)庫”（以下簡稱“心音數(shù)據(jù)庫”）和使用自研的電子聽診器采集的心音信號(hào)。首先對數(shù)據(jù)庫中的心音進(jìn)行時(shí)頻分析，完成算法和軟件開發(fā)，然后轉(zhuǎn)移到自研電子聽診器，驗(yàn)證時(shí)頻分析方法在實(shí)踐中的可行性，為電子聽診器設(shè)備進(jìn)一步的智能化改進(jìn)奠定基礎(chǔ)。

2 心音信號(hào)預(yù)處理

心音是微弱的生物信號(hào)，信噪比低，而且會(huì)與體內(nèi)存在的大量噪聲融合在一起，因此在信號(hào)分析之前需要對心音進(jìn)行降噪預(yù)處理，在多種去噪方法中，小波分析方法具有獨(dú)特優(yōu)勢[7]。其可以進(jìn)行多分辨率分析，很好地刻畫空間域和頻率域局部化特征，非常適于處理非平穩(wěn)信號(hào)。本文選擇使用離散小波變換作為心音信號(hào)去噪手段。

本文首先從心音數(shù)據(jù)庫中，隨機(jī)選取一例正常心音，進(jìn)行小波降噪處理。心音數(shù)據(jù)為WAV格式，采樣率為22 050 Hz，截取一個(gè)完整周期的心音信號(hào)進(jìn)行分析處理，時(shí)長為1 s，樣本數(shù)據(jù)點(diǎn)數(shù)為22 050。使用Matlab離散小波變換對信號(hào)進(jìn)行分解重構(gòu)時(shí)，小波基函數(shù)的選擇、分解層數(shù)、閾值設(shè)置等均會(huì)影響去噪效果。經(jīng)多次實(shí)驗(yàn)對比，發(fā)現(xiàn)當(dāng)小波基函數(shù)為coif3，分解層數(shù)為5層時(shí)，可以得到較好的去噪效果。原始信號(hào)經(jīng)小波變換后各分層明細(xì)如圖2所示，圖中，S為原始信號(hào)，a5為低頻系數(shù)，d1～d5為高頻系數(shù)。

圖2 心音信號(hào)小波變換后各分層明細(xì)

典型的心音信號(hào)頻率在10～1 000 Hz之間，信號(hào)成分[8]主要集中在10～200 Hz。因此在預(yù)處理時(shí)要保留低頻的信號(hào)部分，濾除高頻的噪聲部分，通過對小波系數(shù)進(jìn)行閾值處理再重構(gòu)，達(dá)到去噪目的。在選擇閾值時(shí)，有軟閾值和硬閾值兩種方法，由于軟閾值法連續(xù)性好，不會(huì)引起重構(gòu)信號(hào)振蕩，故本文實(shí)驗(yàn)選擇軟閾值法進(jìn)行消噪。通過合理選擇基函數(shù)，設(shè)置分解層數(shù)與閾值對信號(hào)進(jìn)行小波分解重構(gòu)，既消除了噪聲成分，又有效保留了信號(hào)的原始特征，為后續(xù)的分析處理提供了必要條件。在本文后續(xù)實(shí)驗(yàn)中，所有心音信號(hào)在進(jìn)行時(shí)頻分析之前均用此方法進(jìn)行降噪預(yù)處理。

3 心音信號(hào)時(shí)頻分析

3.1 基于短時(shí)傅里葉變換的時(shí)頻分析

傳統(tǒng)傅里葉變換處理信號(hào)存在局限性，只能進(jìn)行全局性變換，時(shí)域和頻域完全分離。短時(shí)傅里葉變換通過采用滑窗處理來彌補(bǔ)傳統(tǒng)傅里葉變換的不足之處。其能夠?qū)δ骋恍《螘r(shí)間滑窗內(nèi)的信號(hào)做傅里葉變換，反映該信號(hào)的頻域隨時(shí)間變換的大致規(guī)律[9]。對于處理心音這類時(shí)變和非平穩(wěn)信號(hào)，短時(shí)傅里葉變換可以采用時(shí)間和頻率的聯(lián)合函數(shù)來表示信號(hào)，更好地描述信號(hào)的局部特征，與傳統(tǒng)分析方法相比具有明顯優(yōu)勢。因此本實(shí)驗(yàn)首先使用短時(shí)傅里葉變換對心音信號(hào)進(jìn)行時(shí)頻分析。

實(shí)驗(yàn)平臺(tái)為Windows 10專業(yè)版操作系統(tǒng)，軟件為Adobe Audition CC 2017和Matlab R2019a。從心音數(shù)據(jù)庫中選取一段正常心音和一段房間間隔缺損病人的異常心音，音頻格式為WAV，采樣率為22 050 Hz，采用人工分段方法，分別截取1 s長度（包含一個(gè)完整心音周期）的音頻作為待分析樣本，首先使用上述小波去噪方法對信號(hào)進(jìn)行降噪預(yù)處理，對處理后的信號(hào)進(jìn)行短時(shí)傅里葉變換，窗函數(shù)設(shè)置為漢明窗，當(dāng)窗寬取128個(gè)采樣點(diǎn)，交疊數(shù)為48，步長為10時(shí)，得到的時(shí)間-頻率分辨率較為理想。對正常心音和房間隔缺損做短時(shí)傅里葉變換后分別作出其時(shí)頻圖和頻率等高線，如圖3所示。

圖3 心音短時(shí)傅里葉變換

臨床上，房間隔缺損一般是左右心房之間出現(xiàn)異常交通，體征表現(xiàn)為心臟濁音界變大，出現(xiàn)收縮期和舒張期雜音，第二心音亢進(jìn)和固定分裂等。圖3a）為正常心音時(shí)域波形，圖3b）為房間隔缺損心音時(shí)域波形，由此可以看出，兩種心音在時(shí)域波形上，存在較明顯的差異。異常心音波形更加雜亂，雜音成分更多，第二心音S2持續(xù)時(shí)間更長而且出現(xiàn)分裂。

時(shí)頻圖和等高線圖描述了心音信號(hào)頻率分布隨時(shí)間的變化。在等高線圖中，每條閉合曲線表示時(shí)頻三維圖某幅值截面的輪廓線，曲線越靠近內(nèi)部表示幅值越大，越靠近外部幅值越小。從圖3c）時(shí)頻圖和圖3e）等高線都可以看出，正常心音第一心音S1持續(xù)時(shí)間約為0.1 s，第二心音S2持續(xù)時(shí)間約為0.08 s，頻率成分主要集中在400 Hz以下，頻率成分隨時(shí)間先升高后降低，在150 Hz左右能量達(dá)到極大值，符合正常心音的頻率分布特征[8]。

從圖3d）時(shí)頻圖和圖3f）等高線圖可以看出，與正常心音相比，房間隔缺損心音雖然頻率也主要集中在400 Hz以下，但是高頻雜音成分明顯增多而且貫穿始終，符合病變心音的特征，即S1或S2出現(xiàn)異常及在收縮期、舒張期產(chǎn)生附加音[10]，第一心音S1持續(xù)時(shí)間約為0.08 s，S1緊隨一個(gè)高頻的肺動(dòng)脈噴射雜音，第二心音S2持續(xù)時(shí)間約為0.2 s，在200 Hz左右能量達(dá)到極大值，而且出現(xiàn)了明顯分裂，兩個(gè)主要頻率成分相距約為0.1 s。在臨床上常以收縮期和舒張期雜音以及第二心音的固定分裂作為房間隔缺損的診斷依據(jù)。由此可見，時(shí)頻分析的結(jié)果與臨床診斷的結(jié)果相符合，可以準(zhǔn)確、有效地區(qū)分出正常心音與異常心音的差異，為心臟疾病診斷提供更多數(shù)據(jù)支撐。

3.2 基于Choi-Williams分布的時(shí)頻分析

短時(shí)傅里葉變換是一種線性時(shí)頻分析方法，優(yōu)點(diǎn)是應(yīng)用簡單，但是難以描述信號(hào)的功率譜密度[11]。二次型非線性時(shí)頻處理方法則可克服上述不足，可以描述信號(hào)能量在時(shí)域和頻域的分布[12]，其中，Wigner-Ville是一種典型的非線性時(shí)頻分布，在實(shí)際應(yīng)用中，需要選擇合適的核函數(shù)來抑制其交叉項(xiàng)，以達(dá)到理想的分析效果。Choi-Williams分布是一種改進(jìn)的Wigner-Ville分布，既可極大地消除交叉干擾項(xiàng)，又不增加額外計(jì)算量，故本文實(shí)驗(yàn)選取此分布作為心音非線性時(shí)頻分析方法。

實(shí)驗(yàn)平臺(tái)及所用心音數(shù)據(jù)均與短時(shí)傅里葉變換分析時(shí)所用一致，核函數(shù)參數(shù)σ=3，時(shí)域和頻域均采用Kaiser窗，時(shí)域窗寬度g=9，頻域窗寬度h=27。對正常心音和房間隔缺損心音分別計(jì)算其Choi-Williams分布，作出時(shí)頻三維圖和相應(yīng)等高線圖，如圖4所示。

圖4 心音Choi-Williams分布

圖4 a）為正常心音時(shí)域三維圖，圖4c）為正常心音頻率等高線圖，從圖a）和圖c）可以看出，正常心音第一心音S1持續(xù)時(shí)間約為0.1 s，第二心音S2持續(xù)時(shí)間約為0.08 s，能量分布較為集中，主要分布在第一心音和第二心音兩個(gè)峰值附近，且主要表現(xiàn)為400 Hz以下的低頻。

圖4 b）和圖4d）描述了異常心音的時(shí)頻分布情況，與正常心音相比，房間隔缺損心音頻率也主要集中在400 Hz以下，但是能量分布比較分散，這是由于其含有心雜音。S2處出現(xiàn)了明顯分裂，兩個(gè)主要頻率成分相距約為0.1 s，這也是房間隔缺損的典型特征?？梢?，通過Choi-Williams分布對比不同心音的時(shí)頻特性差異，可以得到與短時(shí)傅里葉變換相同的結(jié)論，且均與傳統(tǒng)醫(yī)學(xué)診斷結(jié)果一致。對于心音信號(hào)分析與識(shí)別來說，這兩種時(shí)頻分析方法均具有可行性。

3.3 分析方法對比

短時(shí)傅里葉變換是一種線性時(shí)頻分析方法，其優(yōu)點(diǎn)是理論和應(yīng)用簡單，其缺點(diǎn)是窗函數(shù)時(shí)頻分辨能力受到測不準(zhǔn)原理的制約，無法同時(shí)獲得較高的時(shí)間分辨率和頻率分辨率。Choi-Williams分布是一種非線性時(shí)頻分析方法，不會(huì)損失信號(hào)的幅值與相位信息，能夠較準(zhǔn)確地刻畫信號(hào)能量隨時(shí)間和頻率的分布[13]。其缺點(diǎn)是無法完全避免交叉項(xiàng)，且計(jì)算較為復(fù)雜。在本文實(shí)驗(yàn)中，用計(jì)算機(jī)計(jì)算正常心音的Choi-Williams分布需耗時(shí)2.81 s，而對同樣的信號(hào)進(jìn)行短時(shí)傅里葉變換僅需要18.2 ms，運(yùn)算時(shí)間縮短很多。從實(shí)時(shí)性和節(jié)約系統(tǒng)運(yùn)算資源的角度考慮，短時(shí)傅里葉變換是更適合未來在便攜式電子聽診器中的應(yīng)用選項(xiàng)。

4 人體心音樣本實(shí)例采集與分析

為進(jìn)一步探究便攜式電子聽診器硬件設(shè)備及算法在實(shí)際應(yīng)用中的可行性，本文對自研的電子聽診器進(jìn)行了心音實(shí)例采集與分析。采集對象為25歲健康男性，聽診部位為二尖瓣區(qū)，采樣率為48 000 Hz。受實(shí)驗(yàn)條件所限，本文未能采集到心音異常的病例樣本。按上述方法，將心音信號(hào)進(jìn)行小波去噪預(yù)處理，并做短時(shí)傅里葉變換，得到時(shí)頻圖與等高線如圖5所示。

對比圖5a）、圖5b）可知，經(jīng)小波變換后，原始心音得到了較好的降噪效果，基線更加平滑。由圖5c）、圖5d）可知，第一心音S1持續(xù)時(shí)間約為0.1 s，第二心音S2持續(xù)時(shí)間約為0.05 s，頻率成分主要集中在400 Hz以下，頻率成分隨時(shí)間先升高后降低，在120 Hz左右能量達(dá)到極大值?？梢?，對電子聽診器采集的心音時(shí)頻分析結(jié)果與對數(shù)據(jù)庫中正常心音進(jìn)行時(shí)頻分析得到的結(jié)論基本一致，并且均符合傳統(tǒng)醫(yī)學(xué)診斷結(jié)果，從而驗(yàn)證了硬件采集系統(tǒng)和軟件信號(hào)分析算法的準(zhǔn)確性與可靠性。

圖5 心音信號(hào)時(shí)頻分析

基于上述分析，進(jìn)一步定義下述參數(shù)：第一心音S1時(shí)長為T1，第二心音S2時(shí)長為T2，一個(gè)心音周期內(nèi)S1與S2的間隔時(shí)間為T12，作為表征心音信號(hào)的特征參數(shù)，并由此判定心音是否異常。實(shí)驗(yàn)中，進(jìn)一步分析了20例正常心音和20例房間隔缺損心音的T1，T2和T12的分布情況，結(jié)果如圖6所示。

由圖6a）可知，與正常心音相比，房間隔缺損心音的T1縮短了48.2%，T2增加了73.5%，T12增加了48.2%，student t-test檢驗(yàn)表明，正常心音和3個(gè)參數(shù)分別都存在顯著性差異（P?0.01）。再對聯(lián)合參數(shù)的區(qū)分性進(jìn)行研究，采用神經(jīng)網(wǎng)絡(luò)模式識(shí)別工具（Matlab Prnet Toolbox）以T1，T2，T12聯(lián)合（圖6b））和單獨(dú)（圖6c）～圖6e））作為參數(shù)進(jìn)行分類計(jì)算。分類結(jié)果表明，三參數(shù)聯(lián)合以及三參數(shù)單獨(dú)作為分類依據(jù)都可以進(jìn)行100%的區(qū)分，表明三參數(shù)單獨(dú)和聯(lián)用都具有區(qū)分正常和房間隔缺損心音的潛力。最后，對參數(shù)的分布特性進(jìn)行研究，通過兩兩配對散點(diǎn)圖（圖6f）～圖6h））可以看出，任意兩個(gè)參數(shù)配對的二維分布中，參數(shù)分布都存在明顯的聚類特性。分別繪制對應(yīng)輔助線（T1，0.10 s；T2，0.18 s；T3，0.22 s）可以將正常心音與房間隔缺損心音區(qū)分在不同象限，表明正常和房間隔缺損心音的時(shí)間參數(shù)T1，T2，T12各自具有潛在清晰的醫(yī)學(xué)參考值區(qū)間。

通過對正常心音與房間隔缺損心音中第一心音S1時(shí)長T1，第二心音S2時(shí)長T2，一個(gè)心動(dòng)周期內(nèi)S1與S2的間隔時(shí)間T12的對比研究表明，兩種情況下的心音特征存在顯著性差異和明顯的聚類分布特性，具有清晰的分布區(qū)間，具有較強(qiáng)的參考價(jià)值。同時(shí)，三種特征提取方便，適用于本文提出的便攜式電子聽診器采集和處理，具有較強(qiáng)的實(shí)用價(jià)值，可以被進(jìn)一步深入研究和推廣應(yīng)用。

圖6 心音信號(hào)特征參數(shù)對比圖

5 結(jié) 語

本文對小波降噪后的心音數(shù)據(jù)分別利用短時(shí)傅里葉變換和Choi-Williams分布兩種時(shí)頻分析法進(jìn)行時(shí)頻分析，對比不同心音信號(hào)差異，并與傳統(tǒng)醫(yī)學(xué)診斷結(jié)果對照。在分析心音數(shù)據(jù)庫中的樣本的基礎(chǔ)上，利用研制的電子聽診器采集心音進(jìn)行實(shí)例驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，基于便攜式電子聽診器的心音時(shí)頻分析法可以準(zhǔn)確區(qū)分正常心音與異常心音的時(shí)頻特征差異，具有廣闊的應(yīng)用價(jià)值。