基于高阶统计量的心音特征提取与分类研究

摘要

心脏听诊是先心病初诊的主要手段,由此可见心音含有重要的诊断信息。研究利用高阶统计量的ARMA模型直接提取先心病心音信号的特征,利用K近邻,决策树,贝叶斯分类器对其进行分类识别,并与用梅尔对数系数提取特征的方法进行了对比。实验测试结果为灵敏度0.88,特异度0.83,准确度0.855,优于其它算法。上述算法还省去了一般预处理中,对心音的降噪和分段定位过程,提高了分析效率。实验结果表明:高阶统计量的ARMA模型和决策树适用于对先心病心音的特征提取和分类,有助于实现先心病的机器辅助诊断。