心音信号的时频特征融合及分类技术研究.pdf

摘要

心音信号的时频特征融合及分类技术研究

心音信号是医院临床设备监护的重要人体生理信号，蕴含心房和心室等器官

的状态信息，常被用于心血管疾病的早期诊断。心脏听诊是最常用的心血管疾病

诊断方法之一，医生通过听取心音中是否出现杂音或畸变对心脏疾病进行诊断，

例如心律失常，心瓣膜病等。由于经验和环境等相关因素的影响，不同的医生对

听诊到的心音信号的判断不完全相同。近年来，随着计算机技术的快速更新迭代，

计算机辅助诊断技术成为医学领域的研究热点，因此，研究心音信号的自动分类

识别技术，对心血管疾病的辅助诊断具有重要的研究意义与应用价值。

本文在研究心音信号特性和深度学习理论的基础上，提出了基于时频特征融

合的心音自动分类方法，通过心音时频域特征串联融合与并联融合两种方式，构

建了适用于高性能服务器的深层心音分类模型和适用于小型仪器的轻量级心音

分类模型。

首先，通过分析心音信号的特点，对心音信号进行了数据标准化，低频高频

噪声处理和等时长分段处理，得到了适用于后续特征提取及分类识别的心音信号；

其次，设计了两种时频特征提取与融合架构，利用长短期记忆结构和残差结构等

方法，构建了两种基于时频特征融合的深层模型对心音信号进行分类识别；然后，

根据时频特征融合方式，通过研究深度可分离卷积、融合分组卷积、门控循环单

元和注意力机制等方法，构建了两种基于时频特征融合的轻量级模型对心音信号

进行分类识别，并将轻量级模型部署在移动端设备中；最后，通过模型的准确率

和参数量等指标，利用心音数据集对四种心音分类模型进行测试，结果表明，深

层模型的准确率均能达到97%以上，参数量较多，轻量级模型和深层模型相比参

数较少，准确率均能达到95%以上。

综上，本文所提出的基于时频特征融合的心音分类方法能够取得较好的心音

分类效果，对心血管疾病的辅助诊断具有重要的研究意义。

关键词：

心音信号，心音分类，深度学习，深层模型，轻量级模型

Abstract

StudyonTime-frequencyFeatureFusionandClassification

MethodforHeartSoundSignals

Theheartsoundsignalisanimportantphysiologicalsignalforhospitalclinical

equipmentmonitoring,containsinformationsuchasatrialandventricular,andisoften

usedinearlydiagnosisofcardiovasculardisease.Heartauscultationisoneofthemost

commonlyusedcardiovasculardiagnosticmethods.Doctorsdiagnoseheartdiseaseby

listeningtowhetherthereisnoiseordistortionintheheartsound,suchasarrhythmia,

heartvalvedisease.Duetotheinfluenceofrelatedfactorssuchasexperienceand

environment,differentdoctorshavenotbeenidenticaltothejudgmentontheheart

soundsignals.Inrecentyears,withtherapidupdateofcomputertechnology,computer-

aideddiagnostictechnologyhasbecomearesearchhotspotinthefieldofmedicalsector.

Therefore,theautomaticclassificationtechnologyofheartsoundsignalshasimportant