基于高阶香农熵的心音分段算法

吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (05): 1433-1437.

基于高阶香农熵的心音分段算法

王新沛, 刘常春, 李远洋, 孙处然

山东大学控制科学与工程学院,济南 250061

收稿日期:2009-05-05 出版日期:2010-09-01 发布日期:2010-09-01
通讯作者: 刘常春（1959-）,男,教授，博士生导师.研究方向:生物医学信号处理.E-mail:changchunliu@sdu.edu.cn E-mail:changchunliu@sdu.edu.cn
作者简介:王新沛(1982-),女,博士研究生.研究方向:生物医学测量及仪器.E-mail:wangxinpei@mail.sdu.edu.cn
基金资助:
“863”国家高技术研究发展计划项目(2006AA02Z4D9)

Heart sound segmentation algorithm based on highorder Shannon entropy

WANG Xin-pei, LIU Chang-chun, LI Yuan-yang, SUN Chu-ran

School of Control Science and Engineering, Shandong University,Ji′nan 250061,China

Received:2009-05-05 Online:2010-09-01 Published:2010-09-01

摘要/Abstract

摘要：

针对心音分段中存在的分段结果容易受心杂音干扰的问题，改进了基于香农能量的心音分段算法。先用小波变换对心音信号进行预处理，消除环境噪声和高频杂音的影响，再计算信号的高阶香农熵，并以此作为信号包络，抑制低频杂音的干扰，最后根据生理知识对包络进行分段,确定分段边界。利用本算法对包含正常和异常心音的实验数据进行分段，正确分段率达96%以上。

关键词: 信息处理技术, 心音分段, 香农熵, 心杂音, 小波变换

Abstract:

The algorithm based on Shannon energy is improved for robust segmentation of heart sound with murmurs. First, the heart sound signal is preprocessed by wavelet to eliminate background noises and highfrequency murmurs. Then, the highorder Shannon entropy of signal is calculated as envelope to overcome the interference of lowfrequency murmurs. Finally, the envelope is segmented into four parts: the first heart sound, the systolic period, the second heart sound, and the diastolic period according to physiology knowledge; and the accurate boundaries of the segmentation are detected. The algorithm was tested using normal and abnormal clinical data. The results show that the correct ratio of the algorithm is over 96%.

Key words: information processing, heart sound segmentation, Shannon entropy, heart murmur, wavelet transform

中图分类号:

TN911

王新沛, 刘常春, 李远洋, 孙处然. 基于高阶香农熵的心音分段算法[J]. 吉林大学学报(工学版), 2010, 40(05): 1433-1437.

WANG Xin-Pei, LIU Chang-Chun, LI Yuan-Yang, SUN Chu-Ran. Heart sound segmentation algorithm based on highorder Shannon entropy[J]. 吉林大学学报(工学版), 2010, 40(05): 1433-1437.

参考文献

相关文章 15

[1]	苏寒松,代志涛,刘高华,张倩芳. 结合吸收Markov链和流行排序的显著性区域检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1887-1894.
[2]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[3]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[4]	李居朋,张祖成,李墨羽,缪德芳. 基于Kalman滤波的电容屏触控轨迹平滑算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1910-1916.
[5]	应欢,刘松华,唐博文,韩丽芳,周亮. 基于自适应释放策略的低开销确定性重放方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1917-1924.
[6]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[7]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[8]	单泽彪,刘小松,史红伟,王春阳,石要武. 动态压缩感知波达方向跟踪算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1938-1944.
[9]	姚海洋, 王海燕, 张之琛, 申晓红. 双Duffing振子逆向联合信号检测模型[J]. 吉林大学学报(工学版), 2018, 48(4): 1282-1290.
[10]	全薇, 郝晓明, 孙雅东, 柏葆华, 王禹亭. 基于实际眼结构的个性化投影式头盔物镜研制[J]. 吉林大学学报(工学版), 2018, 48(4): 1291-1297.
[11]	陈绵书, 苏越, 桑爱军, 李培鹏. 基于空间矢量模型的图像分类方法[J]. 吉林大学学报(工学版), 2018, 48(3): 943-951.
[12]	陈涛, 崔岳寒, 郭立民. 适用于单快拍的多重信号分类改进算法[J]. 吉林大学学报(工学版), 2018, 48(3): 952-956.
[13]	孟广伟, 李荣佳, 王欣, 周立明, 顾帅. 压电双材料界面裂纹的强度因子分析[J]. 吉林大学学报(工学版), 2018, 48(2): 500-506.
[14]	林金花, 王延杰, 孙宏海. 改进的自适应特征细分方法及其对Catmull-Clark曲面的实时绘制[J]. 吉林大学学报(工学版), 2018, 48(2): 625-632.
[15]	王柯, 刘富, 康冰, 霍彤彤, 周求湛. 基于沙蝎定位猎物的仿生震源定位方法[J]. 吉林大学学报(工学版), 2018, 48(2): 633-639.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed