杨 禹，严中红，易 东

（1.第三军医大学卫生统计学教研室，重庆400038；2.重庆理工大学药学与生物工程学院 400050）

医疗信息系统中存在许多近似连续的周期信号，例如心电、脉搏、心音、呼吸信号等。对这些信号的采集和分析主要有三大基本任务：（1）信号在时域或频域基础上的定位和分割；（2）建立在信号分析和学习基础上的信号分类和识别；（3）基于医疗和临床诊断的统计分析和评估。在频域上，经常需要确定频率和频率变异、频率分布；在时域上，将时域周期化，统计每个周期信号所具有的共同特征，由此找出某些特征信号以及分类特征信息。

在心电图中QRS波具有的复杂性，对心律不齐、异常心音的诊断非常重要［1］。对其分析的主要任务是：对QRS波进行信号分割；分割完成后进行模式描述；在此基础上完成模式评估。本文提出了一种全新的状态表示方法（state representation methodology，SRM）［2］，运用文献［3］中的方法实现对心音信号的分割，然后对心音信号的特征分析可以通过频率切片小波变换（frequency slice wavelet transform ，FSWT）来实现，提取信号的时频特征，通过SRM建模方法，进一步建立心音的评估模型，并用QRS波数据进行验证性研究。

1 资料与方法

1.1 一般资料 本文数据采集由日本山本文数口大学与重庆理工大学［2］、第三军医大学［1］合作完成，采用3MTMLittmann®3200型电子听诊器与迈瑞BeneHeart R3心电图机收集数据。研究纳入总人数120例，健康自愿者40例，异常病例80例。

1.2 方法

为了使用新的SRM评估方法［2］，临床数据采集只把分为正常与异常两部分。临床正常心音信号，由部分学生与医院志愿者配合完成，心电信号作为辅助验证信号。……