片段穩態訊號之切割與心音自動診斷之研究

Abstract

本文主要是研究片段穩態(Piecewise stationary)訊號的切割以及發展心音自動診斷 的方法。基本上，本文由兩部分組成。在第一部分中，我們提出一種基於階層聚合(H ierarchical clustering) 與動態規劃(dynamic programming) 的訊號分割演算法。 由兩個測試方法的結果，離散係數(Dispersion coefficient)顯現較佳的訊號辨識靈 敏度。在本文中它被選用為聚合法(Clustering)與動態規劃法的特徵向量。整體切割 演算法分成三步驟：第一步驟計算分段訊號的特徵向量。然後於第二步驟中利用階層 聚合法將訊號初步分隔成數段穩態訊號。第三步驟則利用動態規劃法找出最佳切割點 。經由數個模擬訊號與物理訊號（心音）的切割實驗，可證實本法具有良好的成效。 在第二部分中，主要由四個心音特徵偵測的步驟發展出心音自動診斷法。第一步驟利 用短時能量與跨零速率的特性切出主心音。第二步驟分析主頻峰(Dominant frequenc y peak) 來辨識各主心音的類型。然後執行動態時間矯準樣型配合法，偵測心縮期與 心舒期心音的特徵。第四步驟則使用時間序列的預測特性來偵測心縮期舌鳴音(Click ) 的存在。得到所有的診斷性特徵後，再利用樹狀決策(Tree decision) 法即能簡易 而有效地診斷出心音的病症類別。本文最後對十種心音加以辨識，均得到良好的成效 。