4-4心音和心电图
心脏听诊
两心音同时增强
常人运动或激动，
两个心音同时增。 高血压病贫血症， 甲亢发热亦相同。
心音分裂
正常生理条件下，心室收缩与舒张时两个
房室瓣与两个半月瓣的关闭并非绝对同步， 三尖瓣较二尖瓣延迟关闭o．02～0．03s， 肺动脉瓣迟于主动 脉瓣约O．03s，上述时 间差不能被人耳分辨，听诊仍为一个声音。 当S1或s2的两个主要成分之间的间距延长， 导致听诊闻及其分裂为两个声音即称心音 分裂
见于高热、贫血、甲状腺功能亢进
• 在心肌收缩力增强和心动过速时，可使S1增强
第一心音增强
室大未衰热甲亢，
早搏“用药”一音强。 二尖瓣窄“拍击性”， 房室阻滞“大炮样”。
心音的改变及其I临床意义(四)
s1减弱
常见于二尖瓣关闭不全。
• 由于左心室舒张期过度充盈(包括由肺静脉回流的血液加I收 缩期返流入左房的血液)，使二尖瓣飘浮，以致在心室收缩 前二尖瓣位置较高，关闭时振幅小，因而S1减弱。
贫血甲亢和发热， 心炎心衰和休克。 情绪激动和运动， 肾上腺素心率过。
心率低于60次／分称为心动过缓 窦性心动过缓
颅内高压阻黄疸， 甲低冠心心肌炎。 药物影响心得安， 体质强壮心率缓。
心动过速与过缓可为短暂性或持续性，可
由多种生理性、病理性或药物性因素引起
心律
心律(cardiac rhythm):指心脏跳动的节律 正常人心律基本规则，部分青年人可出现随呼吸改变的 心律，吸气时心率增快．呼气时减慢，称窦性心律不齐, 一般无临床意义 窦性心律不齐 窦性心律稍不齐， 心音正常成周期。 吸气加快呼气慢， 健康儿童菲疾病 最常见的心律失常有期前收缩和心房颤动
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
㊃新概念㊃新疾病㊃新技术㊃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陈燕㊀蔡宁100853北京,中国人民解放军总医院第一医学中心麻醉科通信作者:陈燕,电子信箱:yanzicw@DOI:10.3969/j.issn.1007-5410.2024.01.014㊀㊀ʌ摘要ɔ㊀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㊁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㊁心力衰竭分型诊断㊁先天性或风湿性心脏病分类㊁冠状动脉疾病检测等领域成为研究热点㊂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㊂ʌ关键词ɔ㊀心音特征;㊀心音分析;㊀人工智能;㊀心血管功能;㊀疾病诊断基金项目:国家自然科学基金(82172185)Application of heart sound features analysis in the evaluation of cardiovascular function anddiagnosis of cardiovascular diseases㊀Chen Yan,Cai NingDepartment of Anesthesiology,The First Medical Center,Chinese PLA General Hospital,Beijing100853,ChinaCorresponding author:Chen Yan,Email:yanzicw@ʌAbstractɔ㊀The combination of digital phonocardiogram and artificial intelligence enables accurate, continuous,and quantitative analysis and classification of the heart sound signals.Extraction and fusionanalysis of the heart sound features has become popular in monitoring of cardiac hemodynamics,typing the diagnosis of heart failure,classification of congenital or valvular heart disease,and detection of coronaryartery disease.In this paper,we will review the application of intelligent analysis of heart sound features in evaluating cardiovascular function and detecting cardiovascular diseases.ʌKey wordsɔ㊀Heart sound features;㊀Heart sound signals analysis;㊀Artificial intelligence; Cardiovascular function;㊀Diagnosis of diseasesFund program:National Natural Science Foundation of China(82172185)㊀㊀心音是人体重要的生理信号,含有能反映心血管功能状态的生理或病理信息,心音的频率与心脏各组织物理性质及心脏血流动力学变化有密切关系㊂近年来,随着可视化㊁数字化心音监测和计算机辅助心音分析技术的发展,可以获得心音定量的特征参数,利用神经网络深度学习提取心音信号中的病理信息,对不同信息特征进行心音分类,可以辅助诊断心血管疾病㊂人工智能(artificial intelligence,AI)技术的应用有助于心音分析的精准化和自动化,使心音信号特征提取与融合分析在心脏血流动力学监测㊁心力衰竭(简称 心衰 )分型诊断㊁先天性或风湿性心脏病分类㊁冠状动脉疾病检测㊁情感识别等领域成为研究热点[1-4]㊂本文就心音监测与分析技术的发展㊁心音特征分析在心血管功能评估和疾病早期诊断中的应用进行综述㊂1㊀心音监测与分析技术的发展基于智能手机的心音监测系统和包含心音心电信号同步监测的产品,如智能数字听诊器系统㊁EKO等已开始应用于临床[5-7]㊂孙柯等[8]设计了基于全可编程片上系统的异构实时心音心电采集系统,实现了可视化心音心电信号实时并行采集㊂Li等[9]采用可穿戴的心音心电同步传感器,通过模数转换器(analog-to-digital converter,ADC)将心音㊁心电变成数字信号并传入微处理器中,同时微处理器将所采集的数据通过低功耗蓝牙模块传输到智能手机,实时绘制心音心电信号的波形并存储信号数据㊂最近Guo等[10]研发了基于新型心音传感器的多通道可穿戴心音监测系统,包含有72路心音图(phonocardiogram,PCG)信号和1路心电图(electrocardiogram,ECG)信号,具有信号质量高㊁敏感性高和使用便携的优点㊂基于AI的远程心电监测已有效应用于老年慢性疾病㊁心血管疾病等患者危急心电事件的预警[11-12],心音传感器轻便㊁小型,采集的数据失真率低㊁稳定性高㊁抗干扰性强,并可无线传输与存储,是心音监测设备不断改进和优化的方向,将为心音心电监测的远程动态实时分析奠定基础㊂国内外学者在心音的降噪㊁分段㊁特征提取和分类等信号处理和分析技术上不断探索,如融合改进最小值控制递归平均和最优修正对数谱幅度估计的降噪方法能动态估计长时间采集的心音中的噪声,降低心音失真的风险;改进维奥拉积分方法提取心音信号包络和基于两次阈值函数选择的心音分段快速算法,提高了心音分段的正确率和精度㊂近年来随着计算机辅助心音分析技术的发展,在机器学习和信号处理算法上取得了快速进步,尤其是深度学习算法的应用,使心音分析能更好地预测心血管疾病[13],如基于单形进化算法优化的BP神经网络模型心音识别率达到95.96%[14],改进的PSO-BP神经网络算法提高了神经网络的收敛速度和精度,分类准确率达到96.67%[15],Deng等[16]采用梅尔频率倒谱系数(Mel-frequency cepstrum coefficient,MFCC)特征结合一阶和二阶差分特征作为卷积神经网络输入,提出新的心音分类方法,分类准确率达到98%㊂AI技术的应用有助于更加精准㊁自动地分析心音,使心音特征分析能用于对心血管功能状态的评估,尤其心音分类可以在心血管疾病的早期诊断中起到重要作用㊂2㊀心音与心血管功能评估1992年Bartels首次提出心音与血压的关系,近年来通过心音信号特征来估算血压取得了很大进展,使基于心音的血压估算成为一种无创㊁连续测量血压的新方法㊂Kapur 等[17]采用Piezo-accelerometer传感器和神经网络算法为危重症儿童提供了准确的血压监测(收缩压范围在58~173 mmHg)㊂Tang等[18]选取健康犬,以肾上腺素诱发心脏血流动力学发生改变,利用心音的幅度㊁能量和时间多个特征,借助反向传播(back propagation,BP)神经网络推算左心室收缩压,在收缩压100~280mmHg范围内,获得较好的估算结果,绝对误差均值为7.3mmHg㊂目前临床上广泛应用的无创血压测量方法是基于脉搏波传导时间(pulse wave transit time, PWTT)的血压计算方法,但Finnegan等[19]指出很多研究者误将脉搏到达时间作为PWTT进行统计,由于前者包括PWTT和射血前期,利用ECG和脉搏波估算的血压值会存在误差,而用心音信号来测量PWTT可以克服这一缺点㊂成谢锋等[20]采集健康志愿者主动脉瓣心音信号,以第一心音(S1)与第二心音(S2)峰值点时间间隔(heart sound time interval,HSTT)㊁S2峭度(K)为主要参数推导出血压计算公式,估算血压与实际测量值相比,收缩压和舒张压的平均误差分别为-0.401mmHg和-0.812mmHg,符合血压检测精确度评估标准㊂鉴于心音能实时反映心血管功能状态,由心音获得心率㊁血压,在无创㊁便携㊁连续监测机体血流动力学状态的方法中有其独特的优势㊂心音还能反映心脏收缩功能和后负荷的变化,用于评估左心室功能㊂Li等[9]采集同步的心音心电信号,计算的电机械激活时间(electromechanical activation time,EMAT)用于评估左心室收缩功能,诊断心衰(左心室射血分数<50%)的准确率高于N末端B型利钠肽原(N-terminal pro-B-type natriuretic peptide,NT-proBNP)㊂心音信号的舒张期与收缩期时限比还可以反映慢性心衰患者治疗后心功能改善情况㊂心衰的早期检测对及早采取治疗措施有重要意义,Gao 等[21]提出基于门控循环单元的心衰筛查模型,通过直接学习心音特征,能自动识别射血分数保留的心衰和射血分数降低的心衰,准确率可达98.82%,为心衰的早期分型诊断提供了新的有效方法㊂Moon等[22]采用经食管听诊器记录手术中患者的心音信号,发现麻黄碱和艾司洛尔主要引起S1明显变化,而苯肾上腺素和尼卡地平主要引起S2明显变化,且S2与外周血管阻力(systemic vascular resistance,SVR)变化密切相关,提示不同血管活性药物引起心血管功能变化时,由于心排血量㊁SVR相对变化的不同,可以引起心音特征变化的差异性,对差异特征进行提取和分析,有可能区分不同的血流动力学状态㊂新近Chen等[23]在失血性休克猪模型上采集心音信号,观察到S1和S2幅值㊁能量的下降与动脉血压下降趋势一致,尤其S2幅值㊁能量的下降与血压降低呈显著正相关,其变化早于心率㊁脉搏压变异度等传统血流动力学指标,因而心音有可能成为失血性休克早期诊断的一个新指标㊂3㊀心音与心血管疾病诊断人工听诊心音诊断是通过分析心音音调和音强,主要依赖医生经验的定性方法,但心音信号转化为可视化图形后,利用计算机辅助分析技术能获得心音定量的特征参数,有助于发现心音与相关疾病的关系,可作为心血管疾病的无创诊断方法㊂用于临床诊断的心音成分主要为S1和S2,心音周期的收缩期(S1到S2间期)和舒张期(S2到S1间期)时长㊁比例与心血管疾病的发生密切相关㊂在健康年轻人中可能出现第三心音(S3),但在40岁以上成人中出现S3通常是异常表现,可能与心房功能障碍㊁心室容量超负荷有关,S3能反映心排血量减少㊁心室射血分数降低㊁左心室肥厚以及进展性心衰中发生的舒张末压升高,对心衰诊断有很高的特异性㊂由于S3强度弱㊁频率低㊁持续时间短,人耳很难听到,但通过电子听诊器收集PCG波形,可以捕捉到S3㊂Cao等[24]利用植入式心音监测设备,识别S3预测心衰的能力明显优于常规听诊,并有客观㊁连续㊁自动和远程监控的优点㊂在正常心脏周期中不会出现第四心音(S4),其出现可能与舒张期心衰有关,通过监测心音信号波形变化能及时发现病理性S4的出现㊂近年来,深度学习在心电领域有了较快的发展和应用[25],AI技术与数字化心音的结合也使心音分类识别的准确性有了很大提高,通过训练传统机器学习分类器实现心音的分类,不同类型先天性心脏病(简称 先心病 )血流异常产生的心脏杂音,风湿性心脏病心脏瓣膜受损后血流紊乱引起的杂音,都能从心音信号特征的异常变化中分辨出来,从而帮助分类识别心脏疾病(图1)㊂Aziz等[26]利用机器学习对三种先心病(房间隔缺损㊁室间隔缺损㊁动脉导管未闭)的分类准确率为95.24%,Ghosh等[27]采用多类复合分类器对主动脉瓣狭窄㊁二尖瓣狭窄和二尖瓣关闭不全分类的敏感度分别为99.44%㊁98.66%和96.22%㊂Dargam 等[28]给予小鼠腺苷+高磷酸饮食,制作主动脉瓣钙化疾病模型,通过对健康小鼠和主动脉瓣钙化小鼠的心音分析,发现用S2识别主动脉瓣钙化有很高的准确性,受试者工作特征(receiver operating characteristic,ROC)曲线下面积为0.9593㊂深度学习是通过人工神经网络,模拟人脑工作机器学习的一个分支,深度学习智能算法利用神经网络自动学习提取特征,可以实现对心音的准确分类㊂在儿童左向右分流先心病基于深度学习计算机辅助的心音分析中,残差卷积回归神经网络分类模型较其他模型有更高的准确性,对四类先心病(房间隔缺损㊁室间隔缺损㊁动脉导管未闭和复合病变)识别的准确率为94%~99.4%㊂近年Alkhodari 等[29]对1000例患者的心音分析显示,采用卷积和循环神经网络对四种心脏瓣膜疾病(主动脉瓣狭窄㊁二尖瓣狭窄㊁二尖瓣关闭不全和二尖瓣脱垂)的分类准确率高达99.32%㊂图1㊀机器学习心音特征以分类识别心脏疾病示意图冠状动脉疾病(coronary artery disease,CAD)由于动脉管壁增厚和管腔狭窄使血流受阻,可产生特有的湍流声,湍流血流的声学特征可以被心音监测和识别㊂Larsen 等[30]对191例CAD 患者与955例非CAD 患者的心音进行比较,CAD 患者的S1和S2时频谱呈现明显差异,在S1和S2中期能量下降,舒张期和收缩期均在20~120Hz 频率范围能量增加,尤其是舒张期能量显著增加㊂CAD 患者心音舒张期低频能量增加的特点,提示其中可能含有可用于CAD 风险评估的信息,有待进一步的研究对心音能量谱变化进行分析,将可能用于临床对CAD 的辅助诊断和风险分层㊂4㊀心音与其他疾病检测心音信号中含有呼吸音(也称肺音)成分,利用卷积神经网络模型基于特征融合的方法可以分类识别肺音,由于不同肺疾病的肺音在信号波形㊁声谱图㊁梅尔频谱㊁色谱图上表现出不同特征,对肺音特征的分析可以辅助诊断肺疾病,如慢性阻塞性肺疾病㊁支气管扩张㊁上呼吸道感染㊁肺炎等,基于声谱图的肺音分类准确率最高可达99.1%[31]㊂进展性心衰患者植入左心室辅助装置(left ventricularassist device,LVAD)后,需要监测和评估设备工作情况和心脏功能,与床旁临床评估不同,心音监测可实现动态㊁实时㊁远程监测心脏功能,由于在心前区记录的心音中还包含机械泵工作的声音,可以早期发现机械泵故障㊁右心衰竭等LVAD 相关并发症[32]㊂心音信号还能用于情感识别,Cheng 等[4]对志愿者心音的线性和非线性特征进行提取分析,以心率变异性㊁舒张期和收缩期比值变异性作为情感评估指标,评估Valence(愉快和不愉快程度)㊁Arousal (兴奋和平静程度)以及Valence-Arousal 组合情感状态,心音特征对三种情感状态识别的准确率分别为96.87%,88.54%和81.25%㊂临床上各种身心疾病患者常会出现情绪改变㊁情感障碍,用心音辨识情感,为情感障碍的判断提供了新的客观指标,尤其对抑郁㊁焦虑等疾病患者可以起到辅助诊断或判断疗效的作用㊂5㊀小结随着心音监测和分析技术的快速发展,通过提取心音特征中的病理信息,捕捉异常心音变化,对心音信号进行实时㊁动态㊁定量分析和分类识别,可以用于对心血管功能状态的评估和疾病诊断㊂在连续监测心音时,如果发生急性心血管事件,心音的异常变化也能帮助临床判断心血管结构或功能发生的异常改变,因而心音特征分析在早期或突发心血管事件的预警监测中具有极高的应用价值㊂目前计算机辅助心音检测技术领域仍在不断探索,是未来发展的重点方向,同时临床真实场景下心音信号的无线采集㊁云存储与远程分析等技术也在发展中,借助AI 技术,使心音分类算法得到不断改进,实现对心音更精确的智能化分析,有望在心血管功能评估㊁疾病诊断和疗效判断中发挥更重要的作用㊂利益冲突:无参㊀考㊀文㊀献[1]孙伟,郭兴明,郑伊能.心音特征在慢性心力衰竭分型辅助诊断中的应用研究[J].中国生物医学工程学报,2018,37(5):537-544.DOI:10.3969/j.issn.0258-8021.2018.05.004.㊀Sun W,Guo XM,Zheng YN.Application of heart sound feature in the tying aided diagnosis of chronic heart failure[J].Chinese Journal of Biomedical Engineering,2018,37(5):537-544.DOI:10.3969/j.issn.0258-8021.2018.05.004.[2]谭朝文,王威廉,宗容,等.基于卷积神经网络的先心病心音信号分类算法[J].生物医学工程学杂志,2019,36(5):728-736,744.DOI:10.7507/1001-5515.201806031.㊀Tan ZW,Wang WL,Zong R,et al.Classification of heart sound signals in congenital heart disease based on convolutional neural network[J].Journal of Biomedical Engineering,2019,36(5):728-736,744.DOI:10.7507/1001-5515.201806031.[3]曾文入,王维博,王彬蓉,等.基于小波能量谱的先天或风湿性心脏病异常心音分类算法研究[J].航天医学与医学工程,2020,33(2):159-165.DOI:10.16289/ki.1002-0837.2020.02.010.㊀Zeng WR,Wang WB,Wang BR,et al.Research on abnormal heart sound classification algorithm based on wavelet energy spectrum in congenital or rheumatic heart disease [J].Space Medicine &Medical Engineering,2020,33(2):159-165.DOI:10.16289/ki.1002-0837.2020.02.010.[4]Cheng X,Wang Y,Dai S,et al.Heart sound signals can beused for emotion recognition[J].Sci Rep,2019,9(1):6486.DOI:10.1038/s41598-019-42826-2.[5]Lee SY,Huang PW,Chiou JR,et al.Electrocardiogram andphonocardiogram monitoring system for cardiac auscultation[J].IEEE Trans Biomed Circuits Syst,2019,13(6):1471-1482.DOI:10.1109/TBCAS.2019.2947694.[6]Chowdhury MEH,Khandakar A,Alzoubi K,et al.Real-timesmart-digital stethoscope system for heart diseases monitoring[J].Sensors(Basel),2019,19(12):2781.DOI:10.3390/s1*******.[7]Landgraf C,Goolkasian P and Crouch T. Wireless CardiacSensor ,U.S.Patent Appl.20180256061A1,Sept.13,2018.[8]孙柯,潘家华,姚如苹,等.基于APSoC的异构实时心音心电采集系统[J].云南大学学报(自然科学版),2020,42(6):1072-1079.DOI:10.7540/j.ynu.20190634.㊀Sun K,Pan JH,Yao RP,et al.Heterogeneous real-time heartsound and electrocardiogram acquisition system Based on APSoC[J].Journal of Yunnan University:Natural Sciences Edition,2020,42(6):1072-1079.DOI:10.7540/j.ynu.20190634.[9]Li XC,Liu XH,Liu LB,et al.Evaluation of left ventricularsystolic function using synchronized analysis of heart sounds andthe electrocardiogram[J].Heart Rhythm,2020,17(5Pt B):876-880.DOI:10.1016/j.hrthm.2020.01.025. [10]Guo B,Tang H,Xia S,et al.Development of a muti-channelwearable heart sound visualization system[J].J Pers Med,2022,12(12):2011.DOI:10.3390/jpm12122011. [11]欧阳微娜,王春梅,叶冰,等.基于5G+AI的远程动态实时心电监护技术在老年慢性疾病中的应用研究[J].中国心血管杂志,2022,27(5):455-458.DOI:10.3969/j.issn.1007-5410.2022.05.011.㊀Ouyang WN,Wang CM,Ye B,et al.Application of remotedynamic real-time ECG monitoring technology based on5G+AIin the elderly with chronic diseases[J].Chin J Cardiovasc Med,2022,27(5):455-458.DOI:10.3969/j.issn.1007-5410.2022.05.011.[12]吕煜焱,丁思霄,赵逸凡,等.人工智能化的远程心电监测在心血管疾病中的应用[J].中国心血管杂志,2020,25(3):270-273.DOI:10.3969/j.issn.1007-5410.2020.03.014.㊀Lyu YY,Ding SX,Zhao YF,et al.Application of remote ECGmonitoring with artificial intelligence in cardiovascular diseases[J].Chin J Cardiovasc Med,2020,25(3):270-273.DOI:10.3969/j.issn.1007-5410.2020.03.014.[13]Li S,Li F,Tang S,et al.A review of computer-aided heartsound detection techniques[J].Biomed Res Int,2020:5846191.DOI:10.1155/2020/5846191.[14]袁倩影,全海燕.基于新进化优化BP学习算法的心音识别方法[J].吉林大学学报(理学版),2020,58(5):1195-1201.DOI:10.13413/ki.jdxblxb.2019389.㊀Yuan QY,Quan HY.Heart sound recognition method based onnew evolutionary optimization BP learning algorithm[J].Journalof Jilin University(Science Edition),2020,58(5):1195-1201.DOI:10.13413/ki.jdxblxb.2019389. [15]周克良,刘亚亚.改进的PSO-BP神经网络算法在心音分类中的应用[J].制造业自动化,2020,42(10):17-25.DOI:1009-0134(2020)10-0017-05.㊀Zhou KL,Liu YY.Application of improved PSO-BP neuralnetwork algorithm in heart sound classification[J].Manufacturing Automation,2020,42(10):17-25.DOI:1009-0134(2020)10-0017-05.[16]Deng M,Meng T,Cao J,et al.Heart sound classification basedon improved MFCC features and convolutional recurrent neuralnetwork[J].Neural Netw,2020,130:22-32.DOI:10.1016/j.neunet.2020.06.015.[17]Kapur G,Chen L,Xu Y,et al.Noninvasive determination ofblood pressure by heart sound analysis compared with intra-arterial monitoring in critically ill children-a pilot study of a novelapproach[J].Pediatr Crit Care Med,2019,20(9):809-816.DOI:10.1097/PCC.0000000000001997.[18]Tang H,Zhang J,Chen H,et al.A non-invasive approach toinvestigation of ventricular blood pressure using cardiac soundfeatures[J].Physiol Meas,2017,38(2):289-309.DOI:10.1088/1361-6579/aa552a.[19]Finnegan E,Davidson S,Harford M,et al.Pulse arrival time asa surrogate of blood pressure[J].Sci Rep,2021,11(1):22767.DOI:10.1038/s41598-021-01358-4.[20]成谢锋,戴世诚,赵鹏军.基于心音信号的一种血压评估方法[J].物理学报,2020,69(14):148701-1-10.DOI:10.7498/aps.69.20200254.㊀Cheng XF,Dai SC,Zhao PJ.A blood pressure evaluationmethod based on heart sound signal[J].Acta Phys.Sin,2020,69(14):148701-1-10.DOI:10.7498/aps.69.20200254. [21]Gao S,Zheng Y,Guo X.Gated recurrent unit-based heart soundanalysis for heart failure screening[J].Biomed Eng Online,2020,19(1):3.DOI:10.1186/s12938-020-0747-x. [22]Moon YJ,Kim SH,Park YS,et al.Quantitative analysis of anintraoperative digitalized esophageal heart sound signal tospeculate on perturbed cardiovascular function[J].J Clin Med,2019,8(5):715.DOI:10.3390/jcm8050715. [23]Chen Y,Hou A,Wu X,et al.Assessing hemorrhagic shockseverity using the second heart sound determined fromphonocardiogram:A novel approach[J].Micromachines(Basel),2022,13(7):1027.DOI:10.3390/mi13071027.[24]Cao M,Gardner RS,Hariharan R,et al.Ambulatory monitoringof heart sounds via an implanted device is superior to auscultationfor prediction of heart failure events[J].J Card Fail,2020,26(2):151-159.DOI:10.1016/j.cardfail.2019.10.006. [25]吕婷婷,丁子建,袁亦方,等.深度学习在心电图自动诊断和预测心血管疾病中的应用[J].中国心血管杂志,2021,26(3):290-293.DOI:10.3969/j.issn.1007-5410.2021.03.018.㊀Lyu TT,Ding ZJ,Yuan YF,et al.Value of deep learning inautomatic diagnosis and prediction of cardiovascular diseases byelectrocardiogram[J].Chin J Cardiovasc Med,2021,26(3):290-293.DOI:10.3969/j.issn.1007-5410.2021.03.018. [26]Aziz S,Khan MU,Alhaisoni M,et al.Phonocardiogram signalprocessing for automatic diagnosis of congenital heart disordersthrough fusion of temporal and cepstral features[J].Sensors(Basel),2020,20(13):3790.DOI:10.3390/s2*******.[27]Ghosh SK,Ponnalagu RN,Tripathy RK,et al.Automateddetection of heart valve diseases using chirplet transform andmulticlass composite classifier with PCG signals[J].Comput BiolMed,2020,118:103632.DOI:10.1016/pbiomed.2020.103632.[28]Dargam V,Ng HH,Nasim S,et al.S2heart sound detectsaortic valve calcification independent of hemodynamic changes inmice[J].Front Cardiovasc Med,2022,9:809301.DOI:10.3389/fcvm.2022.809301.[29]Alkhodari M,Fraiwan L.Convolutional and recurrent neuralnetworks for the detection of valvular heart diseases inphonocardiogram recordings[J].Comput Methods ProgramsBiomed,2021,200:105940.DOI:10.1016/j.cmpb.2021.105940.[30]Larsen BS,Winther S,Nissen L,et al.Spectral analysis of heartsounds associated with coronary artery disease[J].PhysiolMeas,2021,42(10):105013.DOI:10.1088/1361-6579/ac2fb7.[31]Tariq Z,Shah SK,Lee Y.Feature-based fusion using CNN forlung and heart sound classification[J].Sensors(Basel),2022,22(4):1521.DOI:10.3390/s2*******.[32]Chen XJ,Laporte ET,Olsen C,et al.Heart sound analysis inindividuals supported with left ventricular assist devices[J].IEEE Trans Biomed Eng,2021,68(10):3009-3018.DOI:10.1109/TBME.2021.3060718.(收稿日期:2023-04-15)(本文编辑:谭潇)。
异常心音
体质强壮心率缓。
两心音同时增强
常人运动或激动，
两个心音同时增。
高血压病贫血症，
甲亢发热亦相同。
第一心音增强
室大未衰热甲亢，
早搏“用药”一音强。
二尖瓣窄“拍击性”，
房室阻滞“大炮样”。
医.学.全.在.线
第二心音增强
P2增强二尖瓣窄，
一音亢进P2强，
开瓣音响伴震颤。
主动脉狭窄
主动脉窄有特点，
粗糙缩鸣拉锯般。
递增递减颈部传，
A2减弱伴震颤。
主动脉瓣关闭不全
主瓣不全有特点，
舒张叹气呈递减。
胸骨下左心尖传，
二区较清前倾声，
呼末屏气易听见。
肺动脉瓣狭窄
肺瓣狭窄有特点，
粗糙缩鸣属先天。
杂音递增又递减，
室性奔马律
舒张早期奔马律是指病理性的第三心音而言，是舒张早期血液极快的充盈到扩大的心室引起室壁的振动或振动房室瓣所产生的声音，常见于严重的心肌损害、左心衰竭、瓣膜关闭不全、大量左至右分流等。病人左侧卧位用钟型听诊头在心尖部听诊最清楚，是一种低调的声音。如果是右心病变则应在胸骨左下缘听诊最清楚，病理性第三音即使心率不快临床上也趋向于称为奔马律
奔马律（gallop rhythm）：为出现在第二心音后的额外心音，与原有的第一、第二心音组合而成的韵律酷似马奔跑时马蹄触地发出的声音，故称奔马律。根据出现时间的不同，奔马律又可分为3种。
舒张早期奔马律（protodiastolic gallop）是最常见的一种，额外心音出现在舒张早期。由于舒张期心室负荷过重，心肌张力降低，心室壁顺应性减退，当血液自心房快速注入心室时，可使过度充盈的心室壁产生振动，形成额外心音，故也称为室性奔马律（ventricular gallop）。其出现的时间和发生的机制与第三心音相似，但是两者间又有一些重要的区别：①舒张早期奔马律见于器质性心脏病，而生理性第三心音出现于健康人，尤其是儿童和青少年；②奔马律多伴有心率快（常在100次／分以上），而生理性第三心音则在心跳缓慢时（运动后由快变慢时）较易发现；③奔马律的3个心音间距大致相同，性质亦相近，而第三心音则距第二心音较近；④奔马律不受体位影响，生理性第三心音则常在坐位或立位时消失。
心音总结
请问A2,P2他们有什么特点？怎么听出A2>P2,A2<P2,A2=P2?A2<P2,A2=P2,A2>P2有什么临床意义第二心音S2由主动脉瓣成分A2和肺动脉瓣成分P2两部分组成。
A2:主动脉瓣区听最清楚,呈高调金属音,并向心尖及肺动脉瓣区传导。
P2:在肺动脉瓣区听最清楚,音调低于A2,不向心尖部传导,只向胸骨左缘第三肋间传导。
正常生理情况下,青少年P2>A2,成年人P2=A2,老年人P2<A2。
正常情况下,成人是分不出A2和P2的,当病态时才能分出。
1,当体循环阻力增高或血流增多时,主动脉压增高,主动脉瓣关闭有力,A2亢进,心音呈高调金属音,向心尖部及肺动脉瓣区传导,见于高血压,动脉粥样硬化等。
2,肺循环阻力增高或血流增高,肺动脉压增高,P2亢进(即P2>A2）,并向胸骨左缘第三肋间传导,但不向心尖传导,见于肺心病,房缺,室缺,动脉导管未闭,二尖瓣狭窄,肺动脉高压等。
根据这些理论,常听才能分辩,祝你好运!血液从左心房开始，经过什么部位最后回到左心房？血液循环分为体循环和肺循环肺循环：右心室--肺动脉--肺中的毛细管网--肺静脉--左心房体循环：左心室--主动脉--身体各处的毛细管网---上下腔静脉--右心房血液循环路线:左心室→(此时为动脉血)→主动脉→各级动脉→毛细血管(物质交换)→(物质交换后变成静脉血)→各级静脉→上下腔静脉→右心房→右心室→肺动脉→肺部毛细血管(物质交换)→(物质交换后变成动脉血)→肺静脉→左心房→最后回到左心室,开始新一轮循环2.心室收缩期包括哪两个时期？等容收缩期以及快速、减慢射血期。
(1)等容收缩期心室开始收缩，室内压尚低于主动脉压，半月辨仍处于关闭状态，心室成为一个封闭腔。
虽然心室收缩，但心室容积没有改变，故称等容收缩期，约0.05s左右。
(2)射血期等容收缩期间室内压升高超过主动脉压时，半月瓣被冲开，等容收缩期结束，进入射血期。
心音
④心腔或大血管之间异常通道导致血液分 流时产生的心脏杂音，例如室间隔缺损时 在胸骨左缘第三、四肋间可以听到由于血 液从左向右分流产生的这样一个响亮、粗 糙的杂音。
⑤断裂的腱索和破碎、翻转或有赘生物附 着的瓣膜，在血流中振动，也可产生杂音， 这些血流中的漂浮物象乐器的簧片一样振 动时可产生音乐色调的乐性杂音，请听主 动脉瓣翻转时听到的乐性杂音。
下面是开瓣音强度的变化 开瓣音在胸骨左缘第四肋间听诊最清楚， 在心尖部有舒张中期杂音的干扰，开瓣音 不宜听清 在肺动脉瓣区及主动脉瓣区都可以听到开 瓣音，主动脉瓣区听到的额外音多数为开 瓣音
心脏杂音的听诊
①心脏杂音是心音和附加音以外，持续时间较长的声音， 心脏杂音的听诊对心脏疾病的诊断具有重要的临床意义。 1、心脏杂音产生的机理，心脏杂音是由于某些原因血液 在心脏和大血管中流动过程中发生激流和旋涡冲击附近组 织机构引起振动而产生的，血流发生激流和旋涡的常见原 因有以下几个方面，①血流速度加快：通常血液在血管中 是分层向前流动的，这时不产生杂音，但是血流速度加快 到一定程度，血液的层流就变成激流形成旋涡，产生杂音， 贫血、甲亢以及正常人群中的生理杂音就是血流速度加快 引起的，下面听到的就是这种杂音。器质性心脏病中有些 杂音也是由于血流加速引起的，例如房间隔缺损时胸骨左 缘的收缩期杂音就是由于通过肺动脉瓣口血流增大，血流 加速产生的。
心音分裂时两个心音成分的间隔时间在 0.03秒以上方可听清，现在请听 以下不 同时间间隔的分裂心音：放音6 下面是由0.08秒的间隔改为0.06秒间隔 的分裂音：放音7 下面是由0.06秒缩短为0.04秒的分裂音： 放音8 下面是由0.04秒缩短至0.02秒：放音9
第二心音分裂
犬猫心脏听诊以及心电图判读
犬猫心脏听诊及心电图判读心脏听诊是兽医在检查诊断疾病中基本功，听诊一定要在安静环境中进行，同时要选择一个质量好听诊器，初学者建议使用双面听诊器（钟面和膜面l。
膜面紧贴于胸壁时，易于听取心音高频声音；将钟面听头紧贴于胸壁时，则更易听取低频声音如S3和S4 （如奔马律）。
听诊心杂音要排除动物喘息干扰，可通过闭合动物口部或突然对动物口部吹气进行。
心音产生及其影响：心动周期中，由于心肌收缩和舒张，瓣膜启闭，血流冲击心室壁和大动脉等因素引起机械振动而产生音，通过周围组织传到胸壁。
小型犬通常可听到第一一心音和第二心音，病理状态下可听到第三心音、第四心音。
心音描述：频率、强度、时间、音质第一心音（S1 ）：发生在心脏收缩期开始，音调低沉，持续时间较长，由于房室瓣（二尖瓣、三尖瓣）突然关闭，房室血流中断引起振动产生第一心音（S1 ）增强可见于：犬猫胸壁较薄、交感神经兴奋、心动过速、系统性动脉高压或P-R间期较短时。
第一心音（S1 ）减弱可见于：肥胖动物、心包积液、膈疝、扩张性心肌病、低血容量／心室充盈差或胸腔积液时第一心音（S1 ）分裂，在大型犬正常现象，也可能是由于室性期前收缩或心室内传导延时引起。
第二心音( S2 )发生在心脏舒张期开始，频率较高，持续时间较短。
产生原因是半月瓣关闭，大动脉中血液减速和室内压迅速下降引起振动。
第二心音( S2 )增强可见于肺动脉高压，如心丝虫病、先天性分流伴有Eisenmenger' s生理或肺心病。
第二心音( S2 )分裂可见于：有些犬由于心搏量随呼吸周期变化而出现正常生理性S2分裂，病理性S2分裂见于心室激动延时或心室期前收缩、右束支阻滞、室间隔缺损或肺动脉高压引起右心室射血期延长。
第三心音(S3)：发生在第二心音后，心室舒张早期弱房室瓣开放，血液从心房急速流入心室产生震动形成（是一种低而短音，正常时辨别不出来）。
S3，室性奔马律，是发生于心室快速充盈期末期一种低频变化。
心电图是检查什么的
心电图是检查什么的心电图记录的是电压随时间变化的曲线。
心电图（Electrocardiography，ECG或者EKG）是利用心电图机从体表记录心脏每一心动周期所产生的电活动变化图形的技术。
而心电图它又是检查身体哪些部位，能检测出哪些疾病，它又能对确诊病症学起到什么样的辅助作用，中康体检网为您一一解答。
想要了解心电图的功能以及作用，我们就要从心电图前世今生开始说起。
心电图电图记录的是电压随时间变化的曲线。
心电图(Electrocardiography，ECG或者EKG)是利用心电图机从体表记录心心脏每一心动周期所产生的电活动变化图形的技术。
是心脏搏动时产生的生物电流用心电图机从身体特定部位记录下来的电位变化图。
因心脏局部发生的电位变化沿着形成容积导体的组织到达体表，可从体表记录下来。
在人是指一般以电极贴附于体表的特别指定部位导出电位而记录下来的波形。
1856年克利克和米勒首先直接在心脏上记录到心搏时产生的电流。
1887年瓦勒发现在身体表面也可记录到这种电流。
1903年爱因托芬首次用弦线电流计加以描记，使测定技术规范化，并用罗马字母命名心电图各波。
此法经过后人的改进很快被应用于临床心脏病的诊断。
心电图的原理与介绍心电图的全称为“心动电流图”，简称EKG或ECG，是一种能够记录心脏电活动的简单检查。
一般用于心脏问题的检测和定位。
心脏的搏动是由电信号来激发的。
电信号产生于右心房的顶部(窦房结)，然后电信号不断下传直到心脏底部。
随着电信号的传输，会导致心脏肌肉收缩。
而随着心脏的收缩，血液也会由心脏泵往身体的其他部分。
心电图能够测定一个人心跳的速度。
它还能够测定心脏的跳动节律(可能稳定、也可能紊乱)以及心率记录的位置。
心电图还可以记录电信号通过心脏每一部分时的强度和时间。
有时候心电图又称为12导程心电图(12-leadEKG)，因为它是通过同时测定人体12个部位的信息来得出心脏的电活动的。
含义与应用心电图是反映心脏兴奋的电活动过程，它对心脏基本功能及其病理研究方面，具有重要的参考价值。
心音听诊心电图实验报告
心音听诊心电图实验报告引言心音的听诊是医生通过听诊器听取并分析患者心脏产生的声音信号，进而判断心脏功能是否正常的一种常见的临床诊断方法。
而心电图则是一种记录心脏电活动的图形化技术，通过检测心脏电信号的形态和变化，可以帮助医生判断心脏的健康状况。
本实验旨在通过心音听诊和心电图记录的实验，了解和比较心音和心电图在临床中的应用。
实验材料和方法实验材料：- 听诊器- 心电图记录仪- 患者模型实验步骤：1. 将心电图记录仪的电极与患者模型连接好，确保连接稳定。
2. 将听诊器的胸麦放置在患者模型的合适位置。
3. 打开听诊器和心电图记录仪，开始记录实验数据。
4. 模拟患者心脏不同状态下的心音信号，通过听诊器采集心音数据。
5. 同时，观察心电图记录仪上的心电图波形变化，并记录相关数据。
实验结果与分析通过本实验记录的心音和心电图数据，我们进行了分析和比较。
心音数据分析根据实验中获得的心音数据，我们可以观察到不同心脏状态下的心音信号变化。
正常心脏的心音包括两个部分：第一心音(S1) 和第二心音(S2)。
第一心音是由心脏收缩产生的，听起来类似于"lub"的声音；第二心音是由心脏舒张产生的，听起来类似于"dub"的声音。
此外，心音还可能存在其他异常声音，如第三心音(S3) 和第四心音(S4)。
第三心音产生于心脏扩张早期，听起来类似于"Ken-Tu-Cky"；第四心音产生于心房收缩，听起来类似于"Ten-Nes-See"。
这些异常心音可能表明心脏有异常情况，需要进一步的检查和诊断。
心电图数据分析根据实验中获得的心电图波形数据，我们可以观察到不同心脏状态下的心电图波形变化。
正常心电图包括P 波、QRS波群和T 波。
P 波代表心脏的房性兴奋，QRS波群代表心室的兴奋，T 波代表心室的复极化。
心电图上的异常波形可能表明心脏存在特定的问题。
如心电图上出现的心律失常，可能表明心脏节律异常；ST段抬高或压低可能表示心肌缺血或心肌损伤；Q波增宽或增高可能表示心肌梗死等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
心音和心电图
心脏的节律性活动是一种周期性活动
机械活动周期
心肌收缩和舒张
电活动周期
兴奋的产生和传导
用特定的器械和方法予以观测和记录
心音 心电图
一、心音
机械振动
心肌收缩和舒张 瓣膜启闭 血流冲击心室壁和大动脉壁
将听诊器放置于胸壁一定部位，所听到的 与心动周期同步的声音称为心音
（二）心电图各导联的连接及正常图形
国际上通用导联共12个导联
标准导联Ⅰ、Ⅱ、Ⅲ 加压单极肢体导联aVR、aVL、aVF 单极胸导联V1、V2、V3、V4、V5、V6
左黄绿 右黑
V1 V2
V3 V4 V5
正 常 心 电 图 的 波 形
心肌动作电位与心电图的关系
P波：
≈心房肌的AP
QRS：
第二心音的特点是：音调较高，持续时间较短
从第一心音开始到第二心音开始这段时期即代表心 缩期，持续时间较短
而从第二心音开始到下次第一心音开始这段期间即 代表心舒期，持续时间较长。
二、体表心电图与 细胞生物电的比较
心电图反映 的是一次心动周 期中整个心脏的 综合生物电变化， 因此，心电图上 每一瞬间的电位 值都是很多心肌 细胞在同一瞬间 的综合电变化在 体表的反映。
≈心室肌AP的0期
S-T段：
≈心室肌AP的2期
T波：
≈心室肌AP的复极 化过程，因先后不 一，故T波较宽。
第一心音 第二心音 第三心音 第四心音
4个心音
使用听诊器一般 都可听到第一心 音和第二心音。
心脏瓣膜的位置 听诊区
心音的组成、特点
1．第一心音 发生在等容收缩期初
第一心音标志着心室收缩的开始 第一心音的特点是：音调低，持续时间较长， 心肌收缩力越强，其越强。
2．第二心音 发生在等容舒张期初，标志着心舒期的开始。