低噪声多模电子听诊器设计

设计了一种低噪声多模电子听诊器。经测试,该听诊器信噪比达44dB,增益可达35dB以上,噪声系数1.8dB,具有检测心音、肺音、肠鸣音等不同工作模式,测试者可根据测试部位调整通频带,抑制其他频段的无关噪声,突出所需部位声音。相较于传统听诊器,该听诊器能够更准确的检测、储存和显示人体微弱声音信号,为临床诊断提供了客观化的参考依据;相较于同类产品,该听诊器具有较为优秀的噪声特性和部位适应性。     

新型多功能电子听诊器的结构及工作原理

介绍了一种可供多人监听的多功能电子听诊器的结构及工作原理。新型电子听诊器具有心音、肺音和肠鸣音录音及频率显示功能，电路稳定可靠，较好解决了抗干扰问题，具有精度高、体积小、成本低、操作方便等优点。     

基于小波分析的心音诊断方法研究

由于传统的心音听诊就是凭医生的经验用听觉分析心音信号,不能满足医学上所要求的高精确度性能而且听诊技能要花多年时间才能掌握,针对这些弊端本文提出了一种新的心音诊断方法。它对电子听诊器录制的心音文件,用离散小波变换从样本中提取特征值再将选取的特征值输入到前馈型神经网络进行训练和识别。     

MEC—100综合心电心音分析仪通过省级鉴定

由我校402教研室高延滨、冯伟兴等同志研制的MEC—100综合心电心音分析仪,6月16日在我校通过由省科委组织的成果鉴定.MEC—100综合心电心音分析仪具有多项诊断与监护功能.它能够长时间连续地监护病人的多路心电信号,自动诊断十二导心电图,自动分析病人的心向量图,同步输出多路心电心音信号,而且还具有电子听诊器和病例管理等功能.该仪器的主要组成有心电心音放大器、12位A/D转换电路、486计算机和激光打印机等.     

独具特色的核听诊器

每位医生都有一付心爱的听诊器,这种听诊器一般只听取心音、肠鸣音及血管杂音等,再根据其声音的变化来诊断疾病,因此它的本领是有限的。随着核医学的发展,出现了核心脏病学,它是用放射性同位素来诊断、研究心脏疾病的一门新兴学科。在核医学中,崭露头角的核听诊器,是专门检查心脏动态功能的佼佼者。它勿需医生用耳朵听,而是用眼睛看,在给病人做检查时,只要先从静脉注入一种放射性同位素,然后用核听诊器探头来探测心     

基于ZigBee网络的心音无线检测系统设计

针对众多连线的心音检测仪给病人带来心理上的干扰问题,介绍了基于Z igBee的无线传感器网络在心音信号传输中的应用,设计了一种心音无线检测系统,包括心音传感器、信号预处理、A/D转换电路、网络节点、检测基站和数据采集及自动分析部分.根据心音信号属于非平稳信号的特点,提出了基于复杂度的心音分析方法.实验结果表明,本系统能够对心音信号进行实时采集和有效传输,基于复杂度的算法能够成功地从心音信号提取S1和S2,并获取了3项医学指标:心率,第一心音与第二心音幅值比(S1/S2)和舒张期与收缩期时限比(D/S),初步实现了心音信号的自动识别.     

基于循环平稳包络的心音分割方法

提出了一种基于循环平稳包络的心音分割算法,自动把第一心音(S1)和第二心音(S2)从每个周期中分别提取出来。计算心音信号的循环平稳包络,选择一个阈值来区分S1和S2。不需要参考信号,而且不受噪声干扰,即使是在有噪声的情况下,也能正确区分出S1和S2。处理了来自20个样本的心音信号(包括15个正常心音和5个异常心音,共715个周期),结果显示,分割的正确率超过96%。     

基于自适应阈值的心音分段算法研究

心音信号可以反映人体心脏瓣膜活动情况,对心音进行分类可以区别出不同心音的病理性信息,这对于临床上诊断不同的心脏疾病具有重要的意义.心音分段是进行心音分类的前提,通过心音分段可以定位出心音中的第一心音(S1)和第二心音(S2),为心音特征参数提取与心音分类提供定位基准.为此,本文提出了一种新的自适应阈值选取心音分段算法.该方法首先利用小波变换默认阈值法对心音信号进行去噪;然后使用归一化香农能量来提取较为平滑的心音包络;接着对包络进行有效地峰值检测,从而确定初始大阈值TH1,并通过迭代法得到最终稳定的双阈值;最后进行心音分段以及分段结果分析.针对部分异常心音分段结果,如心音分裂等的分段结果,利用心音时域、能量等特性实现心音段的合并或去除,保证了分段结果的准确性.实验结果表明,本文方法对正常及异常心音分段准确率分别为97.24%和91.83%,总体分段准确率为95.56%,分段准确率高于传统的阈值选取分段方法.     

BS1802电子听诊器

BS1802电子听诊器,已由四川成都新兴仪器厂试制成功,通过设计定型鉴定。经四川医学院、重庆医学院、泸州医学院等单位试用,认为有下述优点:1.能供10～20人同时听诊,可用于听诊教学,尤其有利于心脏听诊教学和会诊。2.用电子听诊器听到的声音与用普通医用听诊器听到的相似,无失     

基于Hilbert-Huang变换的第一心音信号时频分析

根据瓣膜原理,第一心音(S1)是在心脏收缩期由二尖瓣和三尖瓣关闭时引起的振动产生的,含有多个频率分量.对第一心音信号的分析研究,在临床上对心脏疾病的诊断有重要意义.本文用一种全新的时频分析方法:Hilbert-Huang变换(HHT),对30例心音数据进行心音分析实验.实验结果表明:HHT方法可以有效的分析心音信号;S1含有二尖瓣M1及三尖瓣T1两个主要成份;异常S1的M1和T1的频率比正常S1有升高.     

蓝牙无线心音、呼吸音监护系统

提出了一种基于蓝牙技术和单片机技术的无线心音、呼吸音监护系统.经过临床试用,证明了医务人员不用直接接触病人就可及时获得病人准确的心音、呼吸音信息,有效地避免医务人员和病人的交叉感染.本系统尤其适用于烈性传染病人的心音和呼吸音的监护,具有较高的临床实用价值和社会价值.     

基于LabVIEW的心音多功能分析仪

基于LabVIEW开发了一种集心音的采集、多功能处理和心音信号发生器于一体的心音分析仪。该仪器是在普通PC机上开发,使用自制的无线心音采集装置和心音信号采集子系统配合提取心音信号,然后利用小波去噪子系统清除背景噪声,最后可利用时域分析子系统和频域分析子系统对心音信号进行各种分析。心音信号发生器子系统可以根据需要产生一种合成心音信号,供用户学习使用。为使仪器达到最佳使用效果,已经为每一个功能模块中的参数寻找到最佳值并设为默认值,而且每一个参数都是可调节的。实际使用效果证明该仪器能够采集到清晰的心音信号,能有效去除干扰噪声,快速准确地计算出心音的各个特征值,能根据用户参数设置快速生成相应的心音信号并播放。     

心音信号分析方法及应用性研究

阐述了心音信号的产生机理、组成成分以及人体微弱心音信号检测的关键技术,介绍了心音信号处理技术在心血管疾病无创诊断中的意义,结合应用分析了经典心音信号谱分析方法的局限性,对现代心音分析中的常用的时频分析方法的特点进行了探讨,并展望了心音信号识别技术的应用与发展前景.     

三种时频分析方法在心音信号分析中的应用

文章介绍了一种新的时频分析方法—— Hilbert谱分析 ,并将其应用到心音信号的时频分析中 ,分析对比了短时 Fourier变换 ,小波分析和 Hilbert谱分析这三种方法在处理心音信号时的性能差异 .传统的基于 Fourier的方法不能有效的分析非平稳信号 .文章分析证明了这种新方法在分析像心音信号这种非平稳信号的有效性 ,它能对信号的时频分布做出比短时 Fourier变换和小波分析更为精确的描述 .用这种方法 ,我们能提取心音信号中频率变化的信息 .     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

基于新进化优化BP学习算法的心音识别方法

为提高人工智能辅助诊断心音识别的准确率, 根据心音信号的周期性特点, 提出以快速主成分分析算法对心音信号降维和提取特征, 同时基于单形进化算法, 优化BP神经网络学习算法的输出与期望的误差函数, 以改进BP神经网络的学习性能, 实现对心音信号高准确度的分类识别. 针对正常心音及8类异常心音信号进行性能分析与测试, 实验结果表明, 各类心音的平均识别率为95.96%, 改进算法比其他对比算法识别率分别提高了4.9%,3.9%,1.9%, 表明该算法能更有效地分类识别心音信号, 提高人工辅助诊断的识别率.     

浅析音响师的听力技能

在调音过程中，音响师要根据自己的听音感觉以及对声音的理解调整音响设备，通过对声音信号进行各种加工处理，达到声音真实再现、美化和修饰的目的,而听音的准确程度和声音控制的完美与否，与音响师对声音和音乐的理解能力、耳朵的听力好坏、听音心理和对声音的认知程度等有重要关系．     

自适应滤波心音增强

心音听诊是诊断心脏疾病的重要方法，近二十年在临床上得到了广泛应用．然而，心音传感器与皮肤的摩擦所产生的干扰，肺音在心音记录中的固有干扰等，而且有时这些干扰很强，给心音诊断带来了一定影响甚至误诊断．为防止呼吸干扰在记录心音时要求屏住呼吸或采用低通滤波方法，但滤波时滤去部分干扰音的同时，也丢失了心音的低频部分．本文采用的是自适应滤波，它可进行心音增强和抑制噪声．实验证实了本文方法的有效性