基于心音动力学特征提取与融合分析的慢性心衰量化诊断模型研究

It is of great significance for the improvement of the prognosis of chronic cardiac failure (CHF) to diagnosis CHF early, but the existing detection and diagnosis of CHF can not provide the forcefully objective and quantitative evidence for its early diagnosis and staging diagnosis. The most important aspect of cardiac dysfunction in heart failure is not the depressed cardiac performance noted at basal resting states but rather the loss of cardiac reserve, and it can be observed that cardiac contractility reduces subclinically and the relationship between cardiac contractility and peripheral resistance changes at early stage of CHF. Hence, based on the relationship among heart sound, cardiac contractility and peripheral resistance, we propose to analyze time series made up of cardiac reserve index such as S1/S2 and D/S respectively for the studies of variation trend and variability of cardiac contractility, peripheral resistance and heart blood perfusion, and employ our proposed three new feature indexes such as the first heart sound energy, the second heart sound energy and heart sound sub-band energy to research the evolution law of heart sound energy and explore the relationship between heart sound energy and cardiac contractility or peripheral resistance. The animal experiment will be used to selected the effective feature indexes for the clinic trial. We plan to employ feature extraction and fusion analysis technology to build the quantitative diagnosis model of CHF. This project aims to research objective, convenient, rapid and effective noninvasive detection and diagnosis method of CHF, and focuses on making a definite and early diagnosis for the suspected CHF.

慢性心力衰竭的早期诊断对改善其预后效果具有重大意义，但现有的心衰检测及诊断方法，却不能提供对其早期诊断和分期诊断的客观量化依据。心衰时心功能失常的最重要的方面不是在基础的静息状态下观察到的心脏性能的抑制，而是心脏储备的降低，早期表现为心肌收缩力的亚临床病变和心肌收缩力与外周循环阻力关系变化。因此本项目拟在心音-心力-外周阻力关系基础上，提出构建S1/S2和D/S心脏储备指标时间序列，用以分析心肌收缩能力、外周阻力和心脏血流灌注变化趋势和变异性的研究；同时提出“第一心音能量”、“第二心音能量”和“心音子带能量”特征用于分析心衰各期心音能量的演化规律及其与心力和外周阻力的关系；最后，通过动物实验进行指标筛选，结合特征提取和融合分析，并在临床试验的基础上，建立慢性心力衰竭的量化诊断模型。本项目旨在研究客观、便捷和快速有效的慢性心衰无创检测及诊断方法，重在对疑似心衰的病例实现早期诊断。

慢性心力衰竭已成为心血管疾病防治中面临的重要问题，它是由心脏结构或功能异常致使心室充盈或射血能力受损的一组复杂临床综合征，伴随着代偿性心脏扩大或肥厚及其他代偿机制参与，其发病初期症状发展缓慢且较容易忽视，由于慢性心衰病情的发展具有不可逆性，对慢性心衰进行有效的分期诊断，同时实现早期诊断，对改善其预后效果具有重大意义，本项目通过解析心音信号中表征心脏机械生理信息的多模态特征，反映心脏功能和结构状况，并挖掘相关的心血管疾病早期诊断线索，建立慢性心衰分期和分型诊断模型。心衰时心功能失常的最重要的方面不是在基础的静息状态下观察到的心脏性能的抑制，而是心脏储备的降低，早期表现为心肌收缩力的亚临床病变和心肌收缩力与外周循环阻力关系变化。本项目首先通过动物实验验证了心音特征鉴别慢性心衰的有效性；通过临床试验，获得不同心衰分期和分型患者的心音信号，在心音-心力-外周阻力关系基础上，构建S1/S2和D/S心脏储备指标时间序列，用以分析心肌收缩能力、外周阻力和心脏血流灌注变化趋势和变异性的研究；并以“第一心音能量”、“第二心音能量”和“心音子带能量”特征用于分析心衰各期心音能量的演化规律及其与心力和外周阻力的关系；通过机器学习算法构建了基于心音的心衰分期诊断模型，并比较了支持向量机、人工神经网络、朴素贝叶斯算法、随机森林等分类器的性能，实现了基于心音的慢性心衰分期诊断，获得89.72%的准确性；通过深度学习算法构建了基于心音的射血分数保留型心衰和射血分数降低型心衰鉴别模型，并比较了卷积神经网络和循环神经网络的分类性能，实现了基于心音的心衰分型诊断，获得了96.81%的准确性；最后，结合心音特征和临床指标通过诺模图建立慢性心力衰竭的量化诊断模型。本项目通过对无创分析反映心脏机械活动的心音信号，建立了客观、便捷和快速有效的慢性心衰无创检测及诊断方法，实现了对慢性心力衰竭的分期诊断和分型诊断。