[发明专利]基于心电和心音信号联合分析的冠心病无创筛查系统

摘要

一种基于心电和心音信号联合分析的冠心病无创筛查系统，包括：心电信号预处理模块，用于对原始心电信号进行滤波、去噪和归一化处理；心音信号预处理模块，用于对原始心音信号进行滤波、去噪和归一化处理；特征提取和选择模块，用于提取处理后心电和心音信号的多域特征和特征选择；五通道级联模块，用于对心音信号的小波变换与重构，并将重构后的四频段心音信号与心电信号连接为一个五通道组信号；双输入神经网络分类模块，由多层感知器、深度学习模型和激活模型构成，用于对电机械特征向量和五通道组信号进行处理和分析，更加精确地无创筛查冠心病。

主权项

1.一种基于心电和心音信号联合分析的冠心病无创筛查系统，其特征在于，包括：/n心电信号预处理模块，对采集的心电信号进行带通滤波处理，去除基线漂移和工频干扰，经过AD转换后进行归一化处理；/n心音信号预处理模块，对同步采集的心音信号进行高通滤波处理，去除工频干扰，经过AD转换后进行归一化处理；/n特征提取与选择模块，接收归一化处理后的心电信号和心音信号，通过时域、频域和时频域分析方法提取心电信号的各域特征，通过时域、频域、能量、熵和峰态分析方法提取心音信号的各域特征，将心电信号和心音信号的各域特征进行融合，并利用信息增益率方法筛选出重要特征，组成电机械特征向量；/n五通道信号级联模块，接收归一化处理后的心电信号和心音信号，通过小波变换与重构将心音信号分解为四频段信号，并与心电信号合并为五通道组信号；/n双输入神经网络分类模块，包括多层感知器、深度学习模型和激活模型，多层感知器对特征提取与选择模块输出的电机械特征向量进行处理，得到特征输出；深度学习模型对五通道信号级联模块的输出进行处理，得到信号输出；激活模型对特征输出和信号输出进行合并，并利用激活函数对合并后的输出进行非线性处理，得到最终的冠心病筛查结果。/n