分析Phonocardiograhic信号的函数

Kaur Gurjit Maan1 Randhir Singh2 Parveen Lehana3

PG学生,S.S.C.E.T Badhani Pathankot、旁遮普、印度1
助理教授,S.S.C.E.T Badhani Pathankot、旁遮普、印度2
大学物理系副教授和电子的查谟,J&K,印度3

文摘

所有生物体反映他们的生理和病理过程称为生物医学信号的信号。这些信号从生物系统中提取有用信息进行调查。心脏是身体的重要组成部分,任何障碍都可以影响心脏产生的声音。听诊的一个基本和非侵入性的工具用于心音的分析。有四种类型的心脏由于机械的活动产生的心。常规心电图用于分析心激活但由于缺陷信号,不能检测低频信号。心音图提供了低频率的检测和分析心脏的声音。本文分析了phonocardiographic信号作为年龄的函数显示了显著的影响。

关键字

心电图、心音图、听诊、生物医学信号、心脏的声音。

介绍

大部分的生理过程与不同的信号,反映信号的性质和活动本身,也称为生物医学信号。所有生物反映他们的活动的生物信号即电气机械或化学。来自不同来源的生物医学信号反映了如心,大脑和神经系统是用来诊断病人的疾病和生物医学研究。生物医学信号的分析是有用的治疗和研究[1]。生物医学信号主要是观察从生物体的生理活动,如基因、细胞、组织等发挥了重要作用从生物中提取有用的信息的系统,正在调查中[2]。从生物医学信号中提取信息的过程称为生物医学信号处理。这些信号携带的信息系统的地位和性质进行调查和适当的处理这些信号提供有用的临床和生理信息,对于医学诊断很重要,新的生物学和研究[3]。生物医学信号的分类根据其来源生产、应用程序或信号的特征。这些信号分为各种类依赖的速度和性质发生变化。某些类型的生物医学信号解释如下。

一)生物声学信号:这种生物医学信号的输出声。这些信号提供的信息的现象发生在生物系统或功能是由生物系统。例如lub-dub声音由泵的心脏,血液在心脏流槽心脏瓣膜和流动的空气通过上下呼吸道、肺槽产生的声信号。

b)生物阻抗信号:这些信号被注射在组织生产低电流(< 20 mA)正弦信号频率为50千赫至1 MHz和测量上的电压降组织。电阻抗的组织提供了重要的内分泌活动信息,构成组织和血容量分布组织。例如呼吸率和原电池电阻的测量。它可以监视电流和电压之间的关系。

c)简历磁性信号:在不同的器官,如大脑,心脏和肺由于电活动产生极弱磁场将产生磁信号。这些信号的测量提供了在生物信号的信息不可用,如magneto-encephalographic信号生成由于大脑的活动。

d)生化信号,这些信号产生由于化学反应发生在活组织或在实验室样品分析。化学成分的化学反应警报组织总值和微妙的方式。例如二氧化碳分压的测量,血液中各种离子浓度、氧气分压。

e) Bio-optical信号:顾名思义这些信号产生的光学功能的生物系统和相关组织的光传输和反射。这些信号发生自然或测量过程引起的。例如通过测量红外和可见光波长的反射率之间的关系可以估计血液氧化水平。

f)的生物机械信号:这些信号产生由于机械功能的生物系统。这些主要是由于运动,产生位移。温度、流量和压力变化的生物系统。这些信号不与电和磁信号传播因此以来源。例如心音图,颈动脉脉搏,等[4]。

论文是基于分析年龄对phonocardiographic信号的影响。下一小节将纸描述心脏的结构和心脏的声音,方法和结果结论紧随其后。

结构的心脏和心脏的声音

心脏是人体的重要组成部分。这是一个空的肌肉形状像拳头执行向全身输送血液的功能槽血管。人类的心脏是由从两个部分对心脏和左心。正确的心脏泵血到肺和左心为整个身体和器官提供氧气和营养。人类的心脏是由四个腔室上钱伯斯被称为心房和下室称为心室。两个心房用于收集血液进入心脏,降低室是用来供应血液输送到全身。在这些过程发生的心房和心室的收缩和放松,可能会产生声音叫心音。任何异常心脏结构和特点主要影响心脏产生的声音。心音是高度非静止的和复杂的信号和一般开发过程中阀门的开启和关闭,血液流动的心室心肌和行动。

心是主要被认为是类似于机电系统及其健康的特点是它的电气和机械的行为。机械运转的心脏产生了声音检测到使用听诊器[5]。由于心脏的机械功能四种类型的声音通常产生在一个心动周期。心音是短暂的脉冲振动瞬态特性。从这些声音通常两个声音S1和S2主要生产健康主题和容易使用正常的听诊器听到。开始的第一个声音S1产生心室收缩由于近atria-ventricular阀门和第二心音S2初产生舒张和收缩的结束。声音S1是由两个主要组件二尖瓣组件(M1)由于二尖瓣和三尖瓣关闭组件(T1)由于三尖瓣关闭,声音S2也有两个组件主动脉组件(A2)由于主动脉瓣关闭和肺产生组件(P2)对应于肺动脉瓣关闭。S1的频率范围是20赫兹-150 Hz之间和S2是50赫兹-250 Hz [6]。第三和第四个声音时产生任何结构性缺陷的心,心里异常。心音S3和S4幅度低于S1和S2和效应发生的疾病或年龄。

这些听起来声音,主要发生在儿童,但有时在成人也。第三声的快速填充时期发生心脏舒张期由于血液流入产生的心房和心室之间的压力差。声音S4 S1和心脏舒张期后发生之前发生。这是由于振动发生由于异常心脏心室的扩张[7]。心音的生产机制如图1所示。但是一些心脏瓣膜的病理过程影响心脏杂音产生的心音图信号。心脏杂音振动是由于湍流引起的血液流经血管由于损坏阀门。它是能被探测到的异常现象的听诊器。杂音发生在收缩期或舒张和它的类型取决于pre-systolic杂音,舒张期杂音,连续的杂音和早期收缩。心杂音的频率大于2 KHz,很难区别于心音,只取决于人类听觉能力。 Murmurs are mainly of three types systolic murmur occurs temporary between S1 and S2 due to interference to flow of blood, innocent murmurs are mainly occurs in young age patients during systole and diastole murmur generated at middle to end of the diastole and restrict the laminar flow of blood [9].

方法

调查是为了分析年龄对相应的影响使用对数谱距离心音。收集的数据来自17个学科有不同年龄从1到360个月。使用基于笔记本电脑的心音图仪记录的数据记录系统在心脏的位置p1。心音的记录由使用电子听诊器功能来记录和回放记录的心音与优良的品质和生产心音图信号。环境保持沉默以高质量记录的心音。

听诊器传感器非常明智的因此由于噪音,记录数据受到影响。因此信号注入的前置放大器放大所需的水平,也过滤了过滤噪声分量记录的心音。心脏信号记录16 KHz的采样频率。心由四个声波信号。

为了分析年龄的影响使用对数谱距离信号被划分为四的声音。然后日志光谱之间的距离得到相应的心音的受试者年龄递增的顺序以最小年龄为参考。

结果和讨论

科目的度数是不同年龄的增加订单位置p1的心表我和绘制在图3所示,图6。这里年龄是沿着x轴和对数谱距离沿着y轴表示。调查显示,随着年龄的增加对数谱距离和不同的标准偏差值也增加。表显示了年龄对对数谱距离的影响四心音S1, S2、S3和S4。这听起来还发现,S1最大显著的对数谱距离。看到的是最适合5次多项式曲线。

表我显示了对数谱距离和标准偏差在位置p1四的声音心年龄的函数

结论

通过使用电子听诊器数据记录。调查进行心音,获得不同的个体。可能得出相应的心音的对数谱距离增加了不同个体年龄的增加。

确认

作者想表达深深的感激和感谢张成泽阁下辛格博士研究学者,物理系和电子,查谟大学查谟,扩展他的知识,技术支持,帮助建立实验装置并进行调查。

表乍一看

表1

数据乍一看


图1	图2	图3

图4	图5	图6

引用

t·p·荣格Makeig, t·w·李·m·j .部g . Brown, a·j·贝尔和t . j . Sejnowski”独立分量分析生物医学信号,”第二届国际研讨会上独立分量分析和盲信号分离,pp。633年,2000年。

张、h县和j·m·莫拉生物医学信号处理、生物医学工程和设计手册第二版,2009年。

美国Cerutti”,在聚光灯下:生物医学信号处理“IEEE评论雷竞技苹果下载在生物医学工程、卷。2,页。8日,2008年。

g . Kaushik和惠普Sinha”生物医学信号通过小波分析:复习一下,“国际先进研究期刊》的研究在计算机科学和软件工程2卷,页。422年,2012年

a r m . Potdar m . k . Kowar Biswas和m . Amtey,”基于多尺度域分类心音压缩”,国际期刊的软计算和工程(IJSCE),卷2,页。41岁,2012年。

a . Atbi f . Meziani、t·奥马里和SM Debbal,”分割的心音图信号利用小波变换的去噪(DWT),”学术期刊的科学研究,卷1,39岁,2013页。

p . s . RajaKumar r . m .苏雷什和s·拉维”,非常高效。计算Phonocardiographic信号分析与硬件实现。”Int . conf。智慧,Proc。发表于Int。J的计算机应用程序,pp.1, 2012年。

d·普拉卡什,t . Mageshwari k . Prabakaran和a . Suguna”人工智能检测心脏疾病的数学算法使用心音图信号,”国际创新和应用研究,j . 3卷,145页,2013年。

美国Priya,哈瑞和K·K,帕蒂尔,“提取心音的特征和识别基于Mel频率Ceptral杂音系数,”应用工程研究国际期刊的7卷,2012年