[发明专利]利用多层前馈网络的心音分析法检测肺动脉血压的方法

说明书

技术领域

本发明涉及一种检测肺动脉血压的方法，更具体地说，涉及一种使用心音分析法检测肺动脉血压的方法。

背景技术

肺部毛细血管的平均肺动脉压力超过25毫米汞柱或左动脉压力低于15毫米汞柱就被定义为肺动脉高血压。肺动脉高血压一般通过以前的疾病所引发，并且是不可治愈的慢性疾病，病发率介于9％到63％之间。5年的存活率仅介于47％到55％之间，肺动脉高血压一般很难提前预测，因为肺动脉血压的检测困难，右心导管是目前唯一的检测肺动脉血压的黄金标准，但是作为一项侵入性的干预检测，存在一定的风险性，甚至会引起致命性的并发症。多普勒超声心动图法是最有效的肺动脉血压的非侵入的检测方法，但是这种方法必须由经过特别训练的医务人员来完成。以上两种方法检查费用昂贵，并且一般只能在大城市中进行。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述肺动脉血压的检测困难的缺陷，提供一种非侵入、无风险、费用低廉、简单方便的肺动脉血压的检测方法。

本发明解决其技术问题所采用的技术方案是：构造一种利用多层前馈网络的心音分析法检测肺动脉血压的方法，所述方法包括：提取心音信号；对所述心音信号进行预处理，获得心音信号特征；对所述心音信号特征进行过滤；利用人造神经网络学习识别心音信号特征并推算肺动脉血压值。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，包括：提取心音信号；利用快速傅里叶变换和归一化平均香农能量分布对所述心音信号进行预处理，获得心音信号特征；利用主成分分析法对所述心音信号特征进行过滤；利用感知器神经网络或多层感知器前馈神经网络对所述过滤后的心音信号特征进行训练学习，得到所述心音信号特征和所述肺动脉血压值之间的最佳神经网络以推算所述肺动脉血压值。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，提取所述心音信号的抽样频率为44.1千赫兹。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述心音信号特征为第一心音和第二心音的信号特征。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述利用快速傅里叶变换和归一化平均香农能量分布对所述心音信号进行预处理，获得心音信号特征之后，所述利用感知器神经网络或多层感知器前馈神经网络对所述过滤后的心音信号特征进行训练学习，得到所述心音信号特征和所述肺动脉血压值之间的最佳神经网络之前，还包括步骤：除去所述心音信号频率在20赫兹至1000赫兹范围以外的噪音；利用快速傅里叶变换和归一化平均香农能量分布对所述除噪后的心音信号进行预处理，获得除噪后的心音信号特征；利用主成分分析法对所述心音信号特征和所述除噪后的心音信号特征进行过滤，获得过滤后的心音信号特征。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述心音信号特征包括所述心音的波峰频率、平均频率、波峰振幅、平均振幅、时长以及所述心音之间的间隔时间。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述除噪后的心音信号特征包括所述心音的过滤后的平均频移、过滤后的平均振幅、时长以及所述心音之间的间隔时间。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述感知器神经网络或所述多层感知器前馈神经网络的初始层权和学习速率分别设定为[1，1]和0.05。

本发明所述的利用多层前馈网络的心音分析法检测肺动脉血压的方法中，所述感知器神经网络或所述多层感知器前馈神经网络的学习目标设定为均方误差等于0，精确度梯度等于1e-010，最多验证失效次数为5次。

实施本发明的利用多层前馈网络的心音分析法检测肺动脉血压的方法，具有以下有益效果：由于采用多层前馈网络的心音分析法，实现肺动脉血压的非侵入、无风险检测，并且检测方法费用低廉，简单方便。

采用快速傅里叶变换和归一化平均香农能量分布预处理，使用主成分分析法进行过滤可以得到准确且数量少的心音信号特征，简化测量程序。以44.1千赫兹的抽样频率抽样心音信号，使得后面得到的心音信号特征更加准确。使用第一心音和第二心音作为心音信号特征使得心音信号特征更加具有代表性，使测量结果更加准确。过滤掉了20赫兹至1000赫兹范围以外的噪音，避免了噪音对测量结果的干扰。心音信号特征的选择包含了心音的各种主要的参数。感知器神经网络或多层感知器前馈神经网络的参数的选择使得测量结果更加准确。

附图说明