人工智能辅助听诊是以电子听诊器和计算机辅助的心音分析算法为基础的心血管疾病辅助检查技术。人工智能通过对心音信号进行去噪、分段、特征提取和分类，能够准确识别异常心音，判断特定的疾病。应用目前最先进的深度学习方法诊断心脏瓣膜病、先天性心脏病等均可达到较高的准确性。人工智能所具备的高度准确性，加之听诊本身便具有的无创、费用低、便捷等优点，为该技术在心血管疾病的早期筛查方面带来了极大的临床应用价值。该文将对心脏听诊、电子听诊器以及计算机辅助的心音信号的处理分析方法进行简要介绍，概述人工智能辅助听诊技术的研究现状与临床应用前景。

听诊是诊断心血管和呼吸系统疾病最有效的方法.为了达到准确诊断的目的,设备必须能够识别各种临床情况下的心肺音.然而,记录的胸腔声音通常为心肺音混合信号.因此,将心肺音混合信号分离对于医生听诊至关重要.本文介绍了心音信号和肺音信号的频率范围和信号特征,综述了目前心肺音分离方法的研究进展,阐述了现有各种心肺音分离方法的优缺点,指出了选取一种合适的心肺音分离算法来分离心肺音对辅助医疗的重要意义.

数字化心音与人工智能技术的结合可实现对心音进行精确地连续、定量分析和分类识别,使心音特征提取与融合分析在心脏血流动力学监测、心力衰竭分型诊断、先天性或风湿性心脏病分类、冠状动脉疾病检测等领域成为研究热点.本文综述心音特征智能分析在心血管功能评估和疾病诊断中的应用.

目的:为了有效识别心脏疾病心音的病理特征信息进行心脏疾病早期筛查,提出一种基于小波包系数重构信号能量序列的分布特征提取算法.方法:应用小波包分解算法对原始心音信号进行10层成分分解,获得各层小波包系数后对每一个系数进行重构,计算重构信号的能量并按原序排列构成能量序列.分析各层重构信号的能量序列的分布特征,并把分布特征作为分类特征.应用支持向量机、K近邻和决策树对正常心音和各类心脏疾病心音信号进行分类识别.结果:应用重构信号能量序列的分布特征结合决策树分类器,对公开数据集的5种心音分类识别准确率可达93.6%;对临床采集的正常心音和肥厚性心肌病心音数据分类准确率最高达95.6%.结论:本文算法能提取异常心音信号的有效病理信息,为临床心脏病听诊提供参考.

目的 心音信号自动分段是心音正常与异常识别的首要任务,利用心音信号的周期性和生理特征对心音信号进行自动分段.方法 针对48例心音,其中异常10例,每例提取2个时长5 s的样本,共96个样本采用数学形态学和片段相关计算相结合的算法,自动提取心音信号的包络,标记出前4个心动周期的起点,并根据心音的生理学特点识别每个周期中的S1和S2.结果 该算法对正常心音的识别率达到100%,对异常心音的识别率达89%.结论 该算法能正确、快速的对心音进行自动分段,可用于心音识别的特征提取.

目的 心音信号中的杂音成分可以反映心脏结构缺损等异常情况.本文提出一种心杂音分割及分析方法用于先心病杂音信号的识别.方法 为去除临床采集心音信号中的噪声干扰,采用基于频率切片小波变换的降噪新方法提高听诊精度.然后采用特征矩波形分析方法分割并提取心脏杂音间期信号.最后对心脏杂音间期心音信号提取心音梅尔尺度特征参数.结果 通过临床采集的32例正常和16例室间隔缺损心音数据进行实验,计算心脏杂音间期片段提取特征参数的平均值和标准差,得到正常及室间隔缺损患儿心音数据的梅尔尺度特征参数范围.结论 该方法可以在心脏收缩杂音期有效识别室间隔缺损心音信号特征,对于舒张杂音期信号尚需进行多角度特征提取及分析.该方法可以为典型先心病筛查及监控提供有效参考.

目的 明确慢性阻塞性肺疾病急性加重(acute exacerbation of chronic obstructive pulmonary disease,AECOPD)合并静脉血栓栓塞症(venous thromboembolism,VTE)的临床特征、危险因素,有助于临床早期识别及诊断.方法 连续纳入首都医科大学附属北京朝阳医院及北京市第六医院呼吸科住院的AECOPD患者153例,均完善螺旋CT肺动脉造影(CT pulmonary angiography,CTPA)及下肢静脉超声检查,根据检查结果分为VTE+AECOPD组和AECOPD组,比较两组患者在发生VTE的常见危险因素、临床症状及体征、动脉血气分析、D-二聚体、B型利钠肽(B-type natriuretic peptide,BNP)、肌钙蛋白I(cTNI)、心脏彩色超声等方面的差异.结果 153例AECOPD患者中,30例(19.6％)合并VTE,123例(80.4％)未合并VTE,两组临床特征比较,在既往静脉血栓病史、制动或卧床>3天、双下肢非对称水肿、听诊肺动脉瓣第二心音亢进(P2亢进)方面差异有显著性.辅助检查方面,两组D-二聚体、cTNI升高及三尖瓣反流加快等差异有显著性.多因素logistic回归分析显示,静脉血栓病史、不对称下肢水肿及D-二聚体升高为AECOPD合并VTE的独立危险因素.应用ROC曲线计算曲线下面积(AUC)为0.757,相对应的D-二聚体最佳界值为0.505mg/L,敏感度为0.800,特异度为0.659.结论 AECOPD患者VTE的发生率为19.61％,既往静脉血栓病史、制动或卧床>3天、双下肢非对称水肿、P2亢进、cTNI升高、三尖瓣反流速度增快是AECOPD合并VTE的高危因素,而D-二聚体<0.505mg/L可作为VTE除外诊断的标准.

患者女性,46岁,因"发作性胸闷不适1年,加重1.5 h",于2017年6月18日入院.患者1年前出现发作性胸闷不适,劳累后或情绪激动时易发,持续数分钟,可自行缓解.2016年12月5日因"胸闷2 h"就诊,心电图示下壁导联ST段抬高<0.1 mV,肌酸激酶(CK)410 U/L,肌酸激酶同工酶(CK-MB)32 U/L,诊断"急性下壁心肌梗死".冠状动脉造影示左主干、左前降支和右冠状动脉均无狭窄,左回旋支细小,远端局限性狭窄95%,行经皮冠状动脉腔内成形术(PTCA),残余狭窄30%,术后予双联抗血小板治疗.出院后患者过度节食,出现焦虑,睡眠差.2017年2月25日因"持续胸闷1 h"再次就诊,至急诊科时突发心室颤动,经心肺复苏后在重症医学科机械通气治疗.患者血钾2.87 mmol/L,肌钙蛋白I 0.05 μg/L(正常值0～0.05 μg/L),CK和CK-MB正常,心电图Ⅱ、Ⅲ、aVF、V1～V6导联一过性ST段压低(提示冠状动脉发生痉挛,但是当时未能识别).患者诊断为"急性冠状动脉综合征、低钾血症和心室颤动",考虑低钾血症诱发心室颤动,遂未复查冠状动脉造影,口服阿司匹林(100 mg/d)、氯吡格雷(75 mg/d)、阿托伐他汀(20 mg/d)、单硝酸异山梨酯(40 mg/d)和美托洛尔(25 mg,2次/d),纠正低钾血症后出院.出院后继续使用上述药物,一直家中休养,焦虑情绪逐渐加重,多次出现短暂胸闷.1.5 h前患者无明显诱因再发胸闷,发病半小时内症状无缓解,遂急诊入院.既往高血压病史7年,无高脂血症,无吸烟史.体格检查:血压135/80 mmHg(1 mmHg=0.133 kPa);双肺呼吸音清,无干湿性啰音;心率56次/min,律齐,心音低钝,各瓣膜听诊区无杂音.心电图示下壁导联ST段下斜型压低(图1),肌钙蛋白I、CK和CK-MB正常.

目的 对各种异常心音进行分类识别,为心血管疾病的诊断与治疗提供更重要的临床信息.方法 针对心音的异常种类繁多且各种异常心音的特征比较复杂的问题,提出利用主成分分析对其心音特征进行降维,采取自组织映射神经网络进行聚类分析,并对各种异常心音和正常心音进行分类识别.结果 对12类异常心音的分类准确度为97.0％,灵敏度为96.6％,特异度为100％,其性能参数均远远优于未经PCA选择时的SOM方法.结论 本文方法可以为心血管疾病患者的日常监测、精确诊断和精准治疗以及疾病的预防和控制提供新的技术手段.

通过心音信号在时域上的特征,利用医学信号处理方法对心音信号进行去噪处理和心音段的包络曲线提取;然后在包络线上完成心音信号的特征点筛选,以及S1、S2信号段的起止点筛选,将心音信号分段处理,计算相关参数,将不同的心音信号进行分类.最后通过实验结果总结,为临床上心音信号的研究提供可以参考的诊断依据.