导读
基于心音听诊来应对急性心肌梗死（AMI）突发情况时，关键在于精准监测心音特征的准确率。然而，由于患者发病状态具有不确定性，使得基于心音成分分割的特征提取面临较大难度。基于此，本研究提出一种全新的基于短时修正希尔伯特变换（STMHT）的自适应分割方法（ASTMHT），以此实现心音的自适应分割，保障特征提取的准确性。通过对比平均香浓能量（ASE）算法与STMHT算法在AMI临床数据以及不同状态心音数据集上的分割精度发现，ASTMHT方法的识别效果更为优异。尤其是在非安静状态的数据集上，该方法的分割准确率比平均香农能量提高了53.95%，比STMHT提高了76.57%，进而为AMI的特征提取提供了保障。
作者信息
邓琪、陈金博、刘广宇、莫胜美、刘东壅、张一卓、刘熠辉、蒋灿、匡文帮、孙树平均来自湖南理工学院信息科学与工程学院，地点在湖南岳阳。
正文
引言
在心血管疾病中，急性心肌梗死是由冠状动脉急性且持续缺血缺氧所引发的心肌坏死病症，具有较高的致死率。当下，降低急性心肌梗死突发危重死亡率的最有效途径是通过发病预警与及时治疗。心音信号（如图1所示）能为医生及专业人员提供重要临床信息，可用于分析心脏异常、评估心血管系统及其他器官的生理状态，并实现即时预警。
然而，患者发病状态的不确定性使得心音成分分割准确度较低，特征提取难度较大。因此，本研究提出一种基于短时修正希尔伯特变换（STMHT）的自适应分割方法（ASTMHT），用以实现心音的自适应分割，提升特征提取的准确性。
本文首次提出一种基于短时修正希尔伯特变换（STMHT）的自适应分割方法（ASTMHT），用于在给定的心音中分割S₁和S₂。其简单流程如图2所示。ASTMHT的性能在一个公开数据集以及来自121名18至30岁大学生的心音上进行了评估。
性能评估
- 数据采集
数据采集自湖南理工学院（HNIST dataset）的121名正常受试者的肺动脉瓣听诊区（Pulm）。其中101名处于静息状态，女性21人，男性80人，年龄在18至30岁之间，均值±标准差为20.51±2.96岁；另有20名非静息状态受试者，女性6人，男性14人，年龄在18至26岁之间，均值±标准差为21.85±3.56岁。心音数据采用3MTM Littmann®电子听诊器采集，采样率为44.1千赫兹（kHz），音频以.wav格式存储，记录时长在14至40秒不等。心音数据采集流程如图5所示。
- 性能指标
该性能指标用于衡量分割方法对心音主成分（S₁和S₂）的定位效果。具体计算给定数据集中S₁与S₂分割准确率的公式如下：
[ \text{准确率} = \frac{TP}{TP + FN} ]
其中，TP表示正确分割的心音周期数量，FN表示错误分割心音周期数量。
- 结果
ASTMHT、STMHT和平均香农能量（ASE）三种方法的性能在三个心音数据集上进行了评估，包括HNIST数据集肺动脉瓣位置采集数据（分别为静息状态和非静息状态）以及Michigan心音数据集（包含不同疾病类型，分别在主动脉瓣、肺动脉瓣和心尖区位置采集）。评估结果如表2所示。研究结果表明，所提出的自适应方法平均准确率达到95.21%，显著优于常见分割方法（ASE：72.00%，STMHT：63.39%），如图5所示。
结论
针对引言中提出的急性心肌梗死突发即时响应需求，本文提出了一种新型心音分割方法ASTMHT。该方法通过自适应确定STMHT分割参数，克服了患者发病状态不确定性及心脏结构差异带来的挑战，实现了异常心音分割、状态检测及AMI预警功能。ASTMHT基于STMHT算法和心音成分时间间隔分析，能有效适应心率变化、低能量成分及病理性额外心音等复杂情况，并减少意外噪声对分割准确性的干扰。实验结果表明，ASTMHT、STMHT和ASE的平均分割准确率分别为95.21%、63.39%和72.00%，其中ASTMHT展现出显著的分割性能优势，为提升AMI特征提取准确性提供了有力支持。未来工作将聚焦于开发基于心音信号本质特征直接确定STMHT参数的算法体系，以进一步优化分割性能。本研究为基于心音听诊的AMI早期诊断和风险预测提供了重要技术基础，有助于降低AMI突发危重死亡率。
基金项目
湖南省大学生创新创业重点项目（No. S202410543068）
教育厅重点项目（No. 21A0403, No. 21A0405）
湖南省自然科学基金项目（No. 2022JJ30282, No. 2023JJ30283）
教育部产学研合作项目（No. 202102211006, No. 230806093021436）
相关文章
