基于范数熵的冠状动脉狭窄心音研究

It is of great significance and clinical prospect to early detect coronary artery stenosis. This proposal aims to develop a norm entropy constructed by the norm matrix of a vector. Using the norm entropy and the method of heart sound signal quality evaluation, the accuracy of heart sound signals analysis based on entropy algorithm is improved. On the basis of preliminary study, the relation between the norm entropy of heart sound signal and the degree of coronary artery stenosis is the research point. Novel ideas and techniques will be provided through this project for early detection of CHD. Main works of this project are listed as follows. .1) To construct the norm matrix of a vector in the phase space, which is the key of norm entropy algorithm. The norm entropy algorithm then is developed..2) To construct similarity measurement function and develop the Mutual norm entropy algorithm..3) To research the evaluation method of the heart sound signal quality using the correlation of adjacent cardiac cycle signals..4) To investigate the relation between the norm entropy of heart sound signal and the degree of coronary artery stenosis.

早期检测冠状动脉狭窄具有重要的科学价值和临床意义。本项目拟研究基于向量范数矩阵的范数熵及互范数熵，融合心音信号质量评价方法，从研究方法和研究对象两方面提高熵测度算法分析心音信号的准确性。在此基础上，研究心音范数熵随冠状动脉狭窄程度的变化规律。旨在为冠心病的早期筛查提供新思路和新技术。研究内容包括：1）构造相空间的向量范数矩阵，研究范数熵测度算法；2）构造相似性度量函数，研究互范数熵测度算法；3）基于相邻心动周期信号的相关性，研究心音信号质量评价方法；4）基于分组信号研究范数熵和互范数熵与冠状动脉狭窄程度的对应关系。

冠状动脉狭窄是冠心病发病的主要原因。无损检测冠状动脉狭窄有助于早发现、早治疗冠心病。基于心音信号进行冠状动脉狭窄无损检测的关键是确定与冠状动脉狭窄有关的心音特征。在此基础上，引入机器学习方法并建立心音信号质量评价标准可为复杂环境下冠状动脉狭窄无损检测提供有效的新方法和新技术。为此本项目进行了如下研究：1) 研究了用于单变量信号的范数熵测度算法和用于多变量信号的互范数熵测度算法；2) 研究了基于时域、频域和熵特征的心音信号质量评价方法；3) 进行了临床数据采集，同步采集了受试者的心音、心电、脉搏信号和病例信息，依据冠脉造影显示的冠状动脉狭窄情况将受试者分为对照组和不同狭窄程度组；4) 基于临床数据研究了冠状动脉狭窄与心音特征之间的关系；5) 研究并初步建立了基于心音特征的冠状动脉狭窄检测方法；6) 研究了基于心音特征的正常/异常心音分类方法；7) 研究了不同加压状态下心音特征的差异性。本项目形成的方法和技术已应用于合作企业生产的心血管系统状态监测仪的新一代产品中。随着产品的推广，在获取更多临床数据的基础上将进一步验证该方法的有效性。本项目已发表SCI收录论文2篇，EI收录论文4篇，中文核心论文1篇；申请中国发明专利2项，授权中国发明专利1项；获得山东省技术发明奖二等奖1项；培养博士3名，硕士1名。基于本项目研究成果的冠状动脉狭窄无损检测技术将有望应用于冠心病早期筛查和长期监测，以降低冠心病的发病率、死亡率和致残率。