陈 伟，孙 强，齐月月，徐 晨

1.南通大学 医学院（护理学院），江苏 南通226001

2.南通大学 信息科学技术学院，江苏 南通226019

心血管疾病是全球的头号杀手，每年死于心血管疾病的人数多于任何其他死因。据报道，2016年约有1 790万人死于心血管疾病，占全球死亡总数的31%[1]。早发现、早治疗是降低心血管疾病危害的重要途径。因此提高心血管疾病的早期诊断效果是一项尤其重要的任务。

心脏听诊可以直接反映心脏血流动力、心室收缩状况。有些心脏疾病在临床表现之前，心音往往会出现异常，通过听诊可以确诊某些异常。但是，人的耳朵在低频范围内对声音强度变化的不足及其对低频声音的敏感性，使得心脏听诊任务变得困难。其次，心脏听诊对医生的要求特别高，需要其拥有丰富的临床经验和技巧。因此，通过计算机自动提取心音信号（Phonocardiogram，PCG）的特征进行定量分析，来辅助诊断心脏疾病具有重要的意义。

近些年，国内外很多学者利用传统的机器学习方法和信号处理的手段对心音分类的问题进行了大量的研究[2-13]。

Abdollahpur等提取了90种心音信号的时域、频域和梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient，MFCC）特征，利用三个前馈神经网络和一个投票系统对正常和异常心音进行分类，正确率达到了0.826[2]。唐洪等在文献[3]研究的基础上提出了一种利用多域特征和支持向量机（Support Vector Machine，SVM）的方法识别正常和异常心音信号[4]。该方法提取了大量的心音特征，其中状态频谱、能量谱和熵谱结合SVM分类器证实为最有效方法，相比文献[3]正确率提高了6%。……