基于多特征聯(lián)合的腸鳴音檢測方法及實(shí)驗(yàn)研究

【作 者】 劉斯齊，萬顯榮，謝德強(qiáng)，江從慶，任相海

1 武漢大學(xué) 電子信息學(xué)院，武漢市，430072

2 武漢大學(xué) 中南醫(yī)院 湖北省腸病醫(yī)學(xué)臨床研究中心，武漢市，430071

0 引言

腸鳴音指腸道蠕動(dòng)時(shí)推動(dòng)腸道內(nèi)氣體、液體和食糜流動(dòng)而產(chǎn)生的咕嚕聲，通常可從腸壁一直傳播到腹壁，腸鳴音異常是腸功能異?；蛘系K的最常見的臨床表現(xiàn)之一，因此腸鳴音是監(jiān)測和反映腸道運(yùn)動(dòng)功能的重要指標(biāo)，對(duì)腸道疾病的監(jiān)測、預(yù)防和診治具有重要意義[1]。

不同腸道條件下，腸鳴音可呈現(xiàn)出活躍、亢進(jìn)、減弱、消失等不同狀態(tài)，并表現(xiàn)為正常音、氣過水聲、高調(diào)音和金屬音4種典型的聲音特性。目前傳統(tǒng)的醫(yī)生聽診方式正是基于腸鳴音的上述聲音特性實(shí)現(xiàn)對(duì)腸道健康狀態(tài)的初判斷。顯然，該方式極大地依賴于醫(yī)生的專業(yè)知識(shí)和臨床經(jīng)驗(yàn)，不利于臨床長時(shí)間監(jiān)測及病歷統(tǒng)計(jì)追蹤。因此設(shè)計(jì)有效提取腸鳴音信息的腸鳴音監(jiān)測方法具有重要的臨床應(yīng)用價(jià)值和科學(xué)研究意義。

獲取腸鳴音信息的關(guān)鍵在于從監(jiān)測數(shù)據(jù)中檢測出腸鳴音，學(xué)者們也提出了數(shù)種腸鳴音檢測方法。文獻(xiàn)[2]和[3]利用基于高階統(tǒng)計(jì)量的分形維數(shù)進(jìn)行腸鳴音檢測，該方法的重點(diǎn)在于檢測腸鳴音事件，未能定位腸鳴音起止位置；文獻(xiàn)[4]采用基于腸鳴音能量特征的端點(diǎn)檢測方法進(jìn)行腸鳴音分析，但只利用能量特征往往容易受到噪聲干擾而影響檢測結(jié)果。近年來，機(jī)器學(xué)習(xí)的方法也被用于腸鳴音檢測，基于梅爾倒譜系數(shù)（Melscale frequency cepstral coefficients,MFCC）的長短期記憶網(wǎng)絡(luò)（long short-term memory）[5]、卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks,CNN）[6]、卷積和遞歸神經(jīng)網(wǎng)絡(luò)（convolutional and recurrent neural networks,CRNNs）[7]等方法陸續(xù)被提出。這些算法須提前對(duì)腸鳴音進(jìn)行分割、制作樣本標(biāo)簽，通過對(duì)樣本的訓(xùn)練形成分類網(wǎng)絡(luò)，其算法效果依賴于大量的訓(xùn)練樣本。

基于此，本研究提出多特征聯(lián)合的腸鳴音檢測方法，以彌補(bǔ)基于腸鳴音單一特征檢測算法的不足，同時(shí)減輕基于機(jī)器學(xué)習(xí)方法對(duì)大量訓(xùn)練樣本的依賴。

1 腸鳴音信號(hào)處理與檢測

信號(hào)處理流程中首先對(duì)腸鳴音進(jìn)行預(yù)處理，通過小波多分辨率重構(gòu)降噪，再提取腸鳴音特征用于多特征聯(lián)合檢測腸鳴音。

畢業(yè)于上海復(fù)旦大學(xué)公共衛(wèi)生學(xué)院的李潔，在基層食品安全監(jiān)管一線已扎根近30年。說她是“心中有群眾、監(jiān)管有擔(dān)當(dāng)、技術(shù)有創(chuàng)新”的食品藥品安全忠誠衛(wèi)士，一點(diǎn)兒也不為過。作為上海市踐行“三嚴(yán)三實(shí)”基層先進(jìn)典型之一，李潔先后榮立三等功、二等功各一次，并榮獲上海市“三八"紅旗手和“五一”勞動(dòng)獎(jiǎng)?wù)碌葮s譽(yù)，2002年被評(píng)為全國衛(wèi)生監(jiān)督先進(jìn)個(gè)人，2015年獲全國“三八”紅旗手榮譽(yù)稱號(hào)，2016年被評(píng)為上海市優(yōu)秀共產(chǎn)黨員。

1998年和2004年，重慶九院先后與當(dāng)?shù)貎蓚€(gè)一級(jí)醫(yī)院合并，通過低成本運(yùn)作實(shí)現(xiàn)了醫(yī)院資產(chǎn)的保值增值、區(qū)域衛(wèi)生資源和市場資源的優(yōu)化重組。在實(shí)施醫(yī)療重組過程中，張培林提出了“五合”理論，具體指“合人、合財(cái)、合物、合功能、合心”。該理論不僅成為原國家科委全國醫(yī)院產(chǎn)權(quán)制度研究課題，并且原國家科委還將重慶九院的先進(jìn)理念向全國推廣。隨后，“五合”理論成為清華大學(xué)《醫(yī)院商學(xué)院》經(jīng)典教材，部分研究成果內(nèi)容被國務(wù)院新醫(yī)改方案所采納。

1.1 腸鳴音信號(hào)預(yù)處理

（一）預(yù)算績效目標(biāo)編制內(nèi)部控制?？冃繕?biāo)編制是預(yù)算績效管理的起點(diǎn)。預(yù)算單位根據(jù)財(cái)政部門下發(fā)的預(yù)算編制要求編制預(yù)算，申報(bào)績效目標(biāo)，并對(duì)本單位提出的績效目標(biāo)負(fù)責(zé)。績效目標(biāo)要符合國民經(jīng)濟(jì)和社會(huì)發(fā)展規(guī)劃、部門職能及事業(yè)發(fā)展計(jì)劃等，并與相應(yīng)的財(cái)政支出范圍、方向、效果緊密相關(guān)，目標(biāo)設(shè)置要指向明確、具體細(xì)化、合理可行。財(cái)政部門依據(jù)國家相關(guān)政策、財(cái)政支出的方向和重點(diǎn)、部門職能和事業(yè)發(fā)展規(guī)劃、部門自評(píng)情況等，對(duì)預(yù)算單位申報(bào)的績效目標(biāo)進(jìn)行審核，績效目標(biāo)符合要求的項(xiàng)目方可進(jìn)入預(yù)算編制流程；對(duì)不符合相關(guān)規(guī)定的，要求其調(diào)整、修改（具體流程如圖3）。

國內(nèi)外文獻(xiàn)研究表明，腸鳴音信號(hào)的頻率主要分布在60～1 200 Hz[8-9]，其隨機(jī)性強(qiáng)、幅度差別大、受噪聲影響明顯，這增加了腸鳴音信號(hào)的降噪、去干擾和增強(qiáng)的難度。為此，學(xué)者們開展了細(xì)致的研究，如提出了基于自適應(yīng)濾波的心音干擾去除方法[10-11]及基于高階統(tǒng)計(jì)量和徑向基函數(shù)聯(lián)合處理的成分分離方法[12]等腸鳴音信號(hào)預(yù)處理方法。DIMOULAS等[13]在廣泛分析已有腸鳴音信號(hào)處理技術(shù)的基礎(chǔ)上，提出了一種通用的降噪思路，即先將腸鳴音數(shù)據(jù)從時(shí)域變換到成分較容易區(qū)分的其他域上，降噪處理后，再逆變換回時(shí)域。小波變換在表現(xiàn)數(shù)據(jù)頻率的同時(shí)還保留了數(shù)據(jù)的時(shí)域信息，可用于解構(gòu)和重構(gòu)信號(hào)[14-15]，非常適用于腸鳴音這種非平穩(wěn)信號(hào)的數(shù)據(jù)處理[16]。因此本研究采用基于小波變換的多分辨率重構(gòu)的方法對(duì)數(shù)據(jù)進(jìn)行降噪處理。

小波變換是信號(hào)函數(shù)f(t)與在時(shí)頻域上有良好局部性質(zhì)的小波函數(shù)的內(nèi)積，如式(1)所示。

其中，a＞0，代表尺度因子；b代表位移因子；*表示復(fù)數(shù)共軛；是母小波。ψ(t)經(jīng)位移和伸縮所產(chǎn)生的一簇函數(shù)，稱為小波基函數(shù)。不同的小波基函數(shù)有不同的去噪效果，Daubechies小波函數(shù)族的形狀與腸鳴音信號(hào)中時(shí)長較短的腸鳴音波形相似，且其能譜集中在低頻附近[17]。權(quán)衡計(jì)算時(shí)間與重構(gòu)的平滑效果后，本研究采用六階Daubechies小波函數(shù)（db6）。

在窗長較短，而波形幅度比較大的情況下，波形幅度最大值和最小值之間的距離會(huì)出現(xiàn)比該值大的情況。因此，本研究改進(jìn)了d的計(jì)算方法，將d近似等價(jià)于一幀數(shù)據(jù)中第一個(gè)點(diǎn)與其他點(diǎn)的最長的距離和波形幅度最大值和最小值之間的距離這兩個(gè)距離中較大的值，用計(jì)算式表示為：

腸鳴音通常在病房中被采集，這一過程容易引入各種噪聲信號(hào)，包括室內(nèi)環(huán)境噪聲、人體呼吸聲及衣服摩擦等，因此腸鳴音的降噪與增強(qiáng)是腸鳴音信號(hào)預(yù)處理的必備環(huán)節(jié)。

圖中，S表示信號(hào)，A表示近似系數(shù)（approximation coefficients），即低頻分量；D表示細(xì)節(jié)系數(shù)（detail coefficients），即高頻分量。第k層小波分量記作Dk，可以看作把信號(hào)經(jīng)過一個(gè)頻帶為[fs/2k+1，fs/2k]的特殊濾波器。

1.2 腸鳴音信號(hào)檢測

腸鳴音信號(hào)的可靠檢測有賴于腸鳴音特征的提取，已有文獻(xiàn)分別在分型維數(shù)特征[2]、高階統(tǒng)計(jì)特征[3]及峰度[18-19]等特征的基礎(chǔ)上發(fā)展了對(duì)應(yīng)的腸鳴音檢測方法。然而，腸鳴音往往具有較為復(fù)雜的臨床表現(xiàn)，單一特征難以保證檢測性能，因此仍需探索更多有效的腸鳴音特征及可靠的檢測方法。

此次問卷主要是在微信平臺(tái)借助問卷星軟件進(jìn)行發(fā)放，以某大學(xué)大學(xué)學(xué)生為采集對(duì)象，涵蓋各年級(jí)和各專業(yè)，共收回150份答卷，均為有效答卷。

為了正確檢測、提取腸鳴音信號(hào)片段，本研究提出了一種基于腸鳴音短時(shí)能量、分形維數(shù)及短時(shí)平均過零率的多特征聯(lián)合檢測方法。

1.2.1 短時(shí)能量

短時(shí)能量是聲音信號(hào)中常見的特征之一，它反映了一段時(shí)間內(nèi)信號(hào)的能量大小。經(jīng)過上述降噪處理，相比于背景噪聲，腸鳴音信號(hào)能量明顯更強(qiáng)，故計(jì)算短時(shí)能量可有效分辨腸鳴音。對(duì)于第m幀信號(hào)x(m)，短時(shí)能量定義如式(2)所示。

其中，En表示第n幀信號(hào)的短時(shí)能量；xw(m)表示加窗后的信號(hào)。窗函數(shù)的形狀及長短直接影響短時(shí)能量的性質(zhì)。

展葉期施肥時(shí)間對(duì)4個(gè)指標(biāo)的影響均不顯著，說明該因素在復(fù)色紫薇的施肥策略制定中沒有實(shí)踐意義?；ㄆ谑┓蕰r(shí)間對(duì)花期持續(xù)天數(shù)的影響達(dá)極顯著水平，對(duì)其他3個(gè)指標(biāo)的影響不顯著。1水平顯著優(yōu)于2水平，說明始花期追肥的效果要強(qiáng)于盛花期，有利于延長單株花期持續(xù)天數(shù)。

2010年，為了推動(dòng)CCUS技術(shù)和產(chǎn)業(yè)發(fā)展，在國際社會(huì)提出的CCS（碳捕集和封存）基礎(chǔ)上，我國提出CCUS發(fā)展理念，構(gòu)建了一條從“C（捕獲）”輸送到“U（利用）”或者“S（封存）”的完整鏈條。國家科技部指出，我國應(yīng)該以“U”為中心，發(fā)展CCUS技術(shù)來推動(dòng)產(chǎn)業(yè)發(fā)展。這一理念被國際社會(huì)廣泛接受。

博弈論作為一門具有多個(gè)決策主體的優(yōu)化方法論,已在電力系統(tǒng)規(guī)劃、電力市場、調(diào)度、控制等方面得到了大量應(yīng)用[7]。在微電網(wǎng)多目標(biāo)優(yōu)化問題中的各個(gè)目標(biāo)一般存在競爭關(guān)系,每個(gè)目標(biāo)均企圖使自身收益最大[8]。將博弈論應(yīng)用于確定多目標(biāo)的權(quán)重系數(shù)中,可以克服已有多目標(biāo)優(yōu)化加權(quán)系數(shù)法受限于決策主觀性的不足,通過Nash均衡找到同時(shí)滿足多個(gè)目標(biāo)的最優(yōu)權(quán)重系數(shù)。

短暫性腦缺血發(fā)作是常見的神經(jīng)內(nèi)科疾病之一，病情最多在24小時(shí)內(nèi)緩解，具有反復(fù)發(fā)作性，其特點(diǎn)是發(fā)病突然、病程短暫、病情可逆[1] 。本病多發(fā)生于中老年人群，而隨著我國人民生活習(xí)慣的改變，人口老齡化趨勢的到來，使得老年短暫性腦缺血發(fā)作的發(fā)病率呈明顯升高趨勢[2] ，如不能針對(duì)本病給予有效的救治，很多患者最終可發(fā)展至腦卒中。筆者近年來采用氯吡格雷聯(lián)合阿司匹林治療老年短暫性腦缺血發(fā)作，取得了滿意的效果，現(xiàn)報(bào)告如下。

分形維數(shù)的思想始于數(shù)學(xué)領(lǐng)域，是對(duì)傳統(tǒng)維數(shù)概念的一種擴(kuò)展。常用于研究非線性過程中的隨機(jī)性和復(fù)雜性中存在的規(guī)律。腸鳴音信號(hào)具有很強(qiáng)的隨機(jī)性，顯然為非線性模型，且其波形復(fù)雜度高于背景噪聲，利用分形維數(shù)的方法可以直接從非線性復(fù)雜模型的本身入手，從未經(jīng)簡化和抽象的腸鳴音信號(hào)本身分析其規(guī)律。

文獻(xiàn)[20]和[21]定義了波形的分形維數(shù)，并被廣泛應(yīng)用于生物醫(yī)療信號(hào)處理中，包括心電圖、腦電圖等。本研究所用短時(shí)分形維數(shù)在其基礎(chǔ)上進(jìn)行改進(jìn)，其在保留分形維數(shù)特征的同時(shí)使計(jì)算更簡潔。根據(jù)該文獻(xiàn)，腸鳴音的短時(shí)分形維數(shù)定義為：

其中，Dn表示第n幀的短時(shí)分形維數(shù)；N表示一幀數(shù)據(jù)的長度；Ln表示第n幀信號(hào)波形曲線的總長度；dn表示第n幀離散波形的直徑，即各點(diǎn)間最長的距離；Ln和dn分別可用式(4)表示。

首先由拾音器陣列收集患者的腸鳴音，并將其轉(zhuǎn)化為電信號(hào)，經(jīng)放大、濾波等預(yù)處理后，進(jìn)行模數(shù)轉(zhuǎn)換（analog to digital converter,ADC），最后經(jīng)由數(shù)據(jù)傳輸模塊傳輸?shù)缴衔粰C(jī)進(jìn)行后續(xù)處理。系統(tǒng)數(shù)據(jù)采集板的基本參數(shù)如表1所示。上位機(jī)軟件包括兩個(gè)主要功能：一是通過與數(shù)據(jù)采集板的交互，實(shí)現(xiàn)原始數(shù)據(jù)的接收存儲(chǔ)及采集板的參數(shù)設(shè)置；二是腸鳴音信號(hào)處理，主要包括腸鳴音去噪等預(yù)處理、腸鳴音特征提取、多特征聯(lián)合的腸鳴音檢測等。

其中，dist(i，j)表示兩點(diǎn)x(i)，x(j)間的距離，Ln為一幀中，每相鄰兩個(gè)點(diǎn)之間距離的累加和；dn為第n幀數(shù)據(jù)中，每任意兩個(gè)點(diǎn)之間的距離的最大值。

由于計(jì)算一幀數(shù)據(jù)中任意兩個(gè)點(diǎn)之間的距離并求其最大值的計(jì)算量較大，一些文獻(xiàn)[2，3，22]中將dn近似等價(jià)于一幀數(shù)據(jù)中第一個(gè)點(diǎn)與其他點(diǎn)的最長的距離。

1.2.2 短時(shí)分形維數(shù)

基于小波變換的多分辨率重構(gòu)首先對(duì)信號(hào)進(jìn)行小波多分辨率分析，將其分解為不同尺度小波分量，選擇由信號(hào)占主導(dǎo)的小波分量進(jìn)行重構(gòu)，達(dá)到降噪的目的。小波分解層數(shù)由腸鳴音信號(hào)頻率特性決定，選擇6層分解，分解特性示意如圖1所示。

事實(shí)上，內(nèi)部控制是為了達(dá)成單位目標(biāo)（落實(shí)到本文是醫(yī)院目標(biāo)）而實(shí)施的管理制度和管理方法，其強(qiáng)調(diào)的是內(nèi)部控制諸要素。在相應(yīng)的穩(wěn)定的控制環(huán)境下，特別注重醫(yī)院面臨的來自內(nèi)部和外部的風(fēng)險(xiǎn)，因此必須進(jìn)行風(fēng)險(xiǎn)評(píng)估，以查處存在的可能威脅，隨后進(jìn)行控制活動(dòng)?？刂苹顒?dòng)中強(qiáng)調(diào)信息溝通與內(nèi)部監(jiān)督，同時(shí)注意事先控制、事中控制和事后控制（即反饋控制）。

其中，dist(Amax,Amin)表示第n幀數(shù)據(jù)中幅度值最大和幅度值最小兩點(diǎn)間的距離。

1.2.3 短時(shí)平均過零率

短時(shí)平均過零率指每幀信號(hào)穿過零值的次數(shù)，它可以在一定程度上反映頻率譜特性，常被用于語音端點(diǎn)檢測中。由于腸鳴音信號(hào)強(qiáng)弱不一，對(duì)于突發(fā)的較微弱的腸鳴音，單從短時(shí)能量上難以看到明顯變化，而其短時(shí)平均過零率通常較高，可以作為腸鳴音特征之一，因此，借鑒語音端點(diǎn)檢測算法的思想，本研究將短時(shí)平均過零率用于腸鳴音信號(hào)處理中。短時(shí)平均過零率通常用式(7)計(jì)算。

最終保胎失敗者將流產(chǎn)組織行遺傳學(xué)分析，有近一半發(fā)現(xiàn)染色體異常，提示即使父母染色體正常，前次流產(chǎn)胚胎染色體無異常，再次妊娠因胚胎染色體異常導(dǎo)致流產(chǎn)的可能性仍較高。

其中，Zn表示第n幀信號(hào)的短時(shí)平均過零率，N為一幀數(shù)據(jù)的長度，sgn[·]表示符號(hào)函數(shù)，xw(m)表示經(jīng)過加窗處理后的信號(hào)。由于去噪后的腸鳴音數(shù)據(jù)仍然存在微弱的噪聲信號(hào)，其表現(xiàn)為沒有腸鳴音存在時(shí)，信號(hào)在零值附近以微小的幅度不斷上下抖動(dòng)，因此，為了提高算法穩(wěn)健性，減少噪聲干擾，設(shè)立門限T，將過零率定義修改為跨過正負(fù)門限的次數(shù)，修改式(7)為式(8)：

1.2.4 腸鳴音信號(hào)檢測算法流程

目前，已有的腸鳴音檢測算法[23-24]主要將腸鳴音按固定時(shí)長進(jìn)行分割，再檢測是否含有腸鳴音，所用算法為對(duì)每個(gè)等長的腸鳴音片段進(jìn)行腸鳴音有無的判斷，本質(zhì)上是判斷腸鳴音有無的分類算法。本研究提出基于上述特征的多特征聯(lián)合檢測法進(jìn)行腸鳴音識(shí)別，目的是直接檢測腸鳴音在數(shù)據(jù)中的起止時(shí)間。本方法通過對(duì)腸鳴音短時(shí)能量（short-time energy,STE）、分形維數(shù)（fractal dimension,FD）及短時(shí)平均過零率（zero cross rate,ZCR）三個(gè)特征進(jìn)行多種組合并分別設(shè)置自適應(yīng)閾值來確定聯(lián)合判斷依據(jù)，使用多參數(shù)三級(jí)判決實(shí)現(xiàn)，圖2提供了本算法流程。

其中第一、二級(jí)判決用于判斷腸鳴音起始位置，第三級(jí)判決用于判斷腸鳴音結(jié)束時(shí)間。第一級(jí)判決利用STE和ZCR兩個(gè)特征參數(shù)是否超過閾值進(jìn)行粗判，若兩者中一個(gè)特征超過閾值，則判斷為可能處于腸鳴音段，并記錄位置。

第二級(jí)判決則根據(jù)STE、ZCR、FD這3個(gè)特征組合參數(shù)是否超過閾值進(jìn)行判斷。若三者的聯(lián)合參數(shù)超過預(yù)設(shè)閾值，則判定為進(jìn)入腸鳴音段，并將腸鳴音起始點(diǎn)或結(jié)束點(diǎn)位置定于最近一級(jí)判斷所記錄位置。

第三級(jí)判決是進(jìn)入腸鳴音片段后，根據(jù)STE和FD兩個(gè)特征的組合參數(shù)是否超過閾值判斷腸鳴音是否結(jié)束?？紤]到腸鳴音強(qiáng)弱不一或存在短暫停頓的情況，本研究設(shè)置了最長靜音時(shí)間（maximum silence duration,MSD）的參數(shù)，即在被判斷進(jìn)入腸鳴音段后，允許存在短暫的靜音片段，等持續(xù)時(shí)間超過最長靜音時(shí)間的參數(shù)時(shí)才視為腸鳴音結(jié)束。

2 腸鳴音監(jiān)測系統(tǒng)

本研究采用的腸鳴音檢測系統(tǒng)的整體架構(gòu)如圖3所示。

由表3可知，瀝青混合料的塑性變形隨著油石比的增大而增大，其油石比超過5%后GSI＞1.05，表明瀝青含量過量，綜合馬歇爾體積設(shè)計(jì)指標(biāo)，其穩(wěn)定度在5%是最大值，綜合考慮此處工程氣候特點(diǎn)，選定最佳油石比為4.8%。

表1 系統(tǒng)數(shù)據(jù)采集板的基本參數(shù)Tab.1 Basic parameters of the system data acquisition board

3 實(shí)驗(yàn)數(shù)據(jù)分析

3.1 實(shí)驗(yàn)場景與數(shù)據(jù)

本研究利用上述便攜式多通道腸鳴音監(jiān)測儀進(jìn)行臨床數(shù)據(jù)采集，在武漢大學(xué)中南醫(yī)院展開實(shí)驗(yàn)，由2名結(jié)直腸科醫(yī)生與筆者進(jìn)行統(tǒng)一采集和記錄。受試對(duì)象包括腸道疾病患者（包括腸梗阻、結(jié)腸腫瘤等）及健康人，年齡范圍為13～81歲，共206位，在病房及手術(shù)室進(jìn)行腸鳴音聽診和數(shù)據(jù)采集。采集時(shí)受試者均為平躺姿勢，將一個(gè)通道的聽診器頭置于受試者臍周，用醫(yī)用貼紙固定聽診器，另一個(gè)通道采集環(huán)境聲音作為噪聲參考信號(hào)。采集的腸鳴音數(shù)據(jù)由專業(yè)醫(yī)生通過腸鳴音標(biāo)記軟件進(jìn)行標(biāo)記，記錄腸鳴音開始及結(jié)束位置，作為標(biāo)簽文件。每位受測者采集的數(shù)據(jù)長度為5 min，共采集61 800 s數(shù)據(jù)進(jìn)行分析。

3.2 信號(hào)處理流程

根據(jù)上述分析，首先對(duì)采集到的腸鳴音數(shù)據(jù)進(jìn)行預(yù)處理，包括基于小波變換的多分辨率重構(gòu)和分幀，然后對(duì)每幀腸鳴音信號(hào)進(jìn)行短時(shí)能量、短時(shí)平均過零率、短時(shí)分形維數(shù)3種特征提??；最后利用多特征聯(lián)合判斷的方法進(jìn)行腸鳴音檢測。

本研究采用六階Daubechies小波函數(shù)（db6）對(duì)腸鳴音信號(hào)進(jìn)行6層小波分解，圖4和圖5展示了亢進(jìn)型腸鳴音的小波多分辨率分析與重構(gòu)結(jié)果。圖4為小波多分辨率分析后不同信號(hào)分量對(duì)比，其中第一個(gè)圖為D1分量，由于采樣頻率為8 000 Hz，因此D1分量表示的頻帶為2 000～4 000 Hz，D2、D3分量表示500～2 000 Hz，第三個(gè)圖D4、D5和D6分量表示62.5～500 Hz，最后一個(gè)圖為A6分量，表示第六層分解的低頻分量，即0～62.5 Hz?？梢悦黠@看到腸鳴音信號(hào)主要集中在62.5～2 000 Hz，因此選擇D2、D3、D4、D5和D6分量進(jìn)行信號(hào)重構(gòu)。

腸鳴音信號(hào)重構(gòu)結(jié)果與原始腸鳴音信號(hào)的對(duì)比如圖5所示，可以看到小波多分辨率重構(gòu)后噪聲被有效抑制，去噪效果明顯。

對(duì)數(shù)據(jù)預(yù)處理后，進(jìn)行短時(shí)能量、短時(shí)分形維數(shù)、短時(shí)平均過零率3種特征的計(jì)算，圖6展示了亢進(jìn)型腸鳴音信號(hào)的短時(shí)能量、短時(shí)分形維數(shù)、短時(shí)平均過零率3種特征。其中紅色虛線表示各特征的閾值，閾值根據(jù)噪聲參考信號(hào)計(jì)算得到。

3.3 腸鳴音檢測結(jié)果分析

經(jīng)過上述信號(hào)處理流程后，采用多特征聯(lián)合判斷的方法對(duì)腸鳴音信號(hào)進(jìn)行檢測，檢測結(jié)果如圖7所示。其中紅色和黑色垂直虛線分別表示腸鳴音開始和腸鳴音結(jié)束的位置。圖7(a)腸鳴音起始位置和結(jié)束位置是由兩名專業(yè)醫(yī)生根據(jù)腸鳴音聽診做的標(biāo)記，圖7(b)腸鳴音起始位置和結(jié)束位置為經(jīng)過算法處理得到的檢測結(jié)果。對(duì)比兩圖可以發(fā)現(xiàn)檢測結(jié)果與醫(yī)生聽診結(jié)果在誤差允許范圍內(nèi)基本吻合。

為了更直觀、全面地衡量算法效果，本研究根據(jù)腸鳴音的特性，采用準(zhǔn)確度和靈敏度作為算法測試指標(biāo)。其中，準(zhǔn)確度是指算法檢測的腸鳴音片段正確的概率；靈敏度是指標(biāo)記的腸鳴音片段被檢測出來的概率，評(píng)估示意如圖8所示。

圖8中灰色片段為容錯(cuò)時(shí)間，因?yàn)槟c鳴音的聲音強(qiáng)度不一，即使人為標(biāo)記也具有一定的時(shí)間誤差，所以為每個(gè)標(biāo)記腸鳴音片段的起止時(shí)刻均加上0.2 s的容錯(cuò)時(shí)間，當(dāng)算法檢測的起止時(shí)刻處于容錯(cuò)時(shí)間內(nèi)，都為檢測正確。為了進(jìn)行算法效果評(píng)估，將算法檢測為腸鳴音的片段與醫(yī)生標(biāo)記為腸鳴音的片段重合部分記為TP，表示正確檢測的腸鳴音；TN表示算法檢測錯(cuò)誤的腸鳴音的片段。FN表示算法誤檢測為腸鳴音的片段。因此準(zhǔn)確度(A)和靈敏度(S)分別可以用式(9)、式(10)進(jìn)行計(jì)算。

通過對(duì)61 800 s含標(biāo)簽文件的腸鳴音數(shù)據(jù)進(jìn)行算法檢測，得到該算法的準(zhǔn)確率A為83.51%，靈敏度S為72.23%。由于腸鳴音的強(qiáng)弱及長短不一，很難標(biāo)記量化界定腸鳴音的起止，本方法對(duì)于腸鳴音的檢測效果是依據(jù)于醫(yī)生對(duì)腸鳴音數(shù)據(jù)的標(biāo)記來進(jìn)行評(píng)估的，因此存在一定的誤差在理論上是可以接受的。

腸鳴音的檢測是提取腸鳴音信號(hào)以對(duì)腸道疾病進(jìn)行診斷及腸道手術(shù)后恢復(fù)情況進(jìn)行監(jiān)測的關(guān)鍵環(huán)節(jié)，本研究所提的算法無須將腸鳴音提前分段，而且在檢測腸鳴音的同時(shí)可以實(shí)現(xiàn)腸鳴音起止位置的定位，能較準(zhǔn)確地提取完整的腸鳴音信號(hào)，更適用于腸鳴音實(shí)時(shí)監(jiān)測系統(tǒng)中的腸鳴音提取，且在大量數(shù)據(jù)的驗(yàn)證下取得了較好的效果。

收集引產(chǎn)胎兒尸體解剖結(jié)果，隨訪胎兒出生后臨床癥狀以及超聲心動(dòng)圖和心臟CTA檢查結(jié)果，比較產(chǎn)前篩查結(jié)果與解剖或CTA結(jié)果的差異，并分析出現(xiàn)差異的原因以及常見血管環(huán)在心臟切面的超聲心動(dòng)圖特征。

4 結(jié)束語

詳細(xì)介紹了基于腸鳴音監(jiān)測系統(tǒng)的多特征聯(lián)合判斷的腸鳴音檢測算法。對(duì)腸鳴音信號(hào)處理流程進(jìn)行了詳細(xì)的說明：采用基于小波變換的多分辨率重構(gòu)方法進(jìn)行預(yù)處理，再計(jì)算3種特征聯(lián)合多特征判斷進(jìn)行腸鳴音檢測，通過實(shí)驗(yàn)數(shù)據(jù)處理及算法評(píng)估驗(yàn)證了算法的有效性，其準(zhǔn)確度和敏感度分別達(dá)到83.51%和72.23%。本腸鳴音監(jiān)測檢測算法已用于臨床數(shù)據(jù)采集與分析，可為醫(yī)生對(duì)患者的腸道功能診斷及患者術(shù)后腸道功能恢復(fù)的監(jiān)測等提供有價(jià)值的參考結(jié)果，減輕醫(yī)生工作量。本研究為腸鳴音的進(jìn)一步分析及自動(dòng)分類等算法研究奠定了基礎(chǔ)并提供了數(shù)據(jù)支持。