基于心音熵测度的肺动脉高压患者识别研究

摘要

肺动脉高压（Pulmonary Hypertension，PH）是肺动脉压力升高超过一定界值的一种血流动力学异常的病理学状态，其发病原因复杂，不易早期诊断。PH患者从患病早期到末期，都伴随着一系列的心脏血流动力学变化。心音承载着大量与心脏血流动力学相关的信息，对PH的无创诊断具有重要应用价值。熵是一种定量分析时间序列复杂度的重要工具，已被广泛应用于生物医学信号处理中。本文引入熵测度对PH患者和健康受试者的心音信号进行分析，研究他们之间的差异并用于识别PH患者。本文工作主要分为以下两部分。 （1）提出并筛选心音特征熵测度。本文共有104名受试者参与研究，PH患者50人，健康受试者54人。从心音信号的时间、频率、能量和幅度等四个维度提取16个心音特征。使用样本熵（Sample Entropy，SampEn）、模糊熵（FuzzyEntropy，FuzzyEn）和模糊测度熵（Fuzzy Measure Entropy，FuzzyMEn）三种熵算法对心音特征序列进行计算，得到48个心音特征熵测度。使用Mann–Whitney U检验，筛选出对PH患者、健康受试者具有显著性差异的心音特征熵测度。由于年龄混杂因素可能对研究造成影响，本文筛选出两类心音特征熵测度进行PH患者识别。第一类心音特征熵测度，忽略年龄因素的影响，选择显著性差异较高的9个熵测度。第二类心音特征熵测度，通过相关性分析，排除与年龄相关性较强的心音特征熵测度，从剩余的熵测度中选择9个熵测度。 （2）提出基于心音特征熵测度的PH患者识别方法。显著性分析表明，PH患者和健康受试者的心音特征熵测度分别来自不同的分组，其概率密度函数之间存在差异。本文采用非参数概率密度函数估计法，分别估计了PH组和健康组的一维熵测度概率密度函数和二维、多维熵测度联合概率密度函数。依据贝叶斯理论，比较心音特征熵测度的发生概率，从而识别出PH患者和健康受试者，并使用留一交叉验证和五倍交叉验证法评估识别效果。研究表明，对于第一类心音特征熵测度，最好的单一熵测度的识别准确率在0.83左右；最好的二维联合熵测度识别准确率超过0.88；最好的多维联合熵测度识别准确率超过0.93。对于第二类熵测度，最好的单一熵测度的识别准确率在0.68左右；最好的多维联合熵测度识别准确率超过0.80。分析表明，对于每类熵测度，两种交叉验证的识别结果高度一致，同时高维联合熵测度的识别效果优于低维熵测度的识别效果。 本文研究结果表明，心音特征熵测度作为一种有效工具，有可能为PH患者的早期诊断提供重要技术支持。

目录

声明

1 绪论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 论文的主要内容

1.4 论文结构的安排

2 心音与肺动脉高压

2.1 心脏血流动力

2.1.1 心脏的基本结构

2.1.2 血液循环系统

2.1.3 心动周期

2.2 心音

2.2.1 心音的产生

2.2.2 心脏听诊

2.3 肺动脉高压

2.3.1 肺动脉高压定义及分类

2.3.2 肺动脉高压血流动力学变化

2.3.3 肺动脉高压与右心

2.3.4 肺动脉高压诊断

2.4 小结

3 心音特征的熵测度

3.1 数据采集

3.2 信号预处理

3.2.1 R波提取

3.2.2 心音信号预处理

3.2.3 心音分割

3.3 特征提取

3.3.1 心音时间特征

3.3.2 心音频率特征

3.3.3 心音能量特征

3.3.4 心音幅度特征

3.4 本文使用的几种熵测度

3.4.1 有关序列复杂度的背景

3.4.2 样本熵

3.4.3 模糊熵

3.4.4 模糊测度熵

3.4.5 熵算法仿真

3.4.6 心音特征熵测度的计算

3.5 心音特征熵测度的筛选

3.5.1 统计学分析

3.5.2 年龄相关性分析

3.6 小节

4 心音特征熵测度对肺动脉高压与健康受试者的识别

4.1 基于贝叶斯决策理论的分类模型

4.1.1 贝叶斯决策理论

4.1.2 熵测度识别算法

4.2 基于核密度估计的熵测度概率密度函数拟合

4.2.1 单一心音特征熵测度概率密度函数拟合

4.2.2 多维心音特征熵测度联合概率密度函数拟合

4.3 实验结果与分析

4.3.1 第一类心音特征熵测度的肺动脉高压患者识别

4.3.2 第二类心音特征熵测度的肺动脉高压患者识别

4.3.3 两类心音特征熵测度对比分析

4.4 本章小结

结论

参 考 文 献

攻读硕士学位期间发表学术论文情况

致谢

大连理工大学学位论文版权使用授权书