1、电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 49Computer Engineering计算机工程提供良好的使用体验。倘若系统设计的功能过于复杂，非专业人士或第一次使用该系统的用户就将使用困难。因此，遵循极简的设计模式，尽可能让第一次接触该系统的用户无门槛入门该系统，并迅速进行自己所需要的功能。根据心脏健康平台的用户使用基本流程，将系统的功能和模块进行了归类与分析，总结归纳出以下的系统核心功能。（1）登录功能：心脏健康平台为普通患者用户和一般医务工作者用户服务。（2）心脏健康知识学习功能：用户可以在线上查看常用的心脏健康知识，这些有助于患者采取健康的生活方式和预
2、防手段来减少心脏疾病发作的风险。（3）检测功能：用户通过上传心音信息文件，便可以线上查看心音图像、查看计算机辅助诊断结果。2.2 系统框架设计软件基于Java语言开发，通过Web页面实现了前端交互功能，同时后端连接Python语言开发的心音检测算法模块，实现了异常心音信号的检测识别。该心脏健康筛查平台的整体框架如图1所示。2.3 系统流程设计心脏健康检测平台主要包括两类用户，即需要进行心音检测的普通患者用户和对患者检测结果进基金项目：2021年江苏省高校哲学社会科学研究专题项目（2021SJB1191），2022年南京理工大学紫金学院大学生校级科研训练项目（zjsrtp2022024），202
3、2年南京理工大学紫金学院教育教学改革与研究课题（20220103001）。作者简介：王颖，南京理工大学紫金学院，讲师，硕士；研究方向：计算应用技术、信号处理。收稿日期：2022-11-16；修回日期：2023-02-12。摘要：阐述基于心音信号检测的心脏健康筛查平台的设计，平台基于Java Web开发，通过Ajax技术实现了前后端数据的交互。采用随机森林的机器学习算法对心音信号进行二分类识别，识别准确率达87.64%。关键词：机器学习，计算机辅助诊断，心音信号，Java Web。中图分类号：TP368.1，TP18文章编号：1000-0755(2023)02-0049-03文献引用格式：王颖，
4、奚浩原，黄萍，谢宇航.一种心脏健康检测平台的设计J.电子技术,2023,52(02):49-51.一种心脏健康检测平台的设计王颖，奚浩原，黄萍，谢宇航（南京理工大学紫金学院，江苏 210023）Abstract This paper describes the design of a heart health screening platform based on heart sound signal detection.The platform is based on Java Web development and realizes the interaction of front and
5、 back data through Ajax technology.The machine learning algorithm of random forest is used to classify the heart sound signal,and the recognition accuracy is 87.64%.Index Terms machine learning,computer-aided diagnosis,heart sound signal,Java Web.Design of a Heart Health Detection PlatformWANG Ying,
6、XI Haoyuan,HUANG Ping,XIE Yuhang(Zijin College,Nanjing University of Technology,Jiangsu 210023,China.)0 引言随着互联网的飞速发展，远程医疗带来了一种新的模式，人们可以足不出户就可以对自己的身体健康进行初步的检测，可以做到早发现早治疗。这既带来了便利性，又带来了专业性，使得普通民众可以在家对自身的心脏健康进行评估。这些新技术毫无疑问为人们的生活质量带来了极大的改善。1 研究背景根据中国心血管健康与疾病报告2020概要农村的心血管病死亡比例为46.66%，明显高于城市的43.81%，心血管疾病死
7、亡占我国城乡居民总死亡原因的首位1。如何做到心血管疾病早预防早发现，一直是研究人员探讨的问题。基于此背景，设计了一个心脏健康检测平台，这个平台可以使患者无论何时何地不受疫情与医疗资源分配不公的影响，通过检测心音信号的方式对自己的心脏健康进行初步的诊断。一方面，用户可以通过平台的心音信号人工智能自动诊断其心脏是否有问题；另一方面，用户可以通过平台了解一些关于心脏健康的常用知识，能够起到预防疾病的作用。2 系统分析及设计 2.1 需求分析作为线上的心脏健康检测平台，需要为使用者50 电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月Computer Engineering计
8、算机工程行复诊的医生管理员用户。该心脏健康检测平台的使用流程如图2所示。3 系统实现 3.1 前端功能为了使心脏健康平台的网页能够快速地显示在用户界面上，使用了Ajax技术，系统能更快反应用户操作2。为了使用户能在网页上直接查看心音信号图像，使用了Canvas画布来在网页上显示心音图像。Canvas通过Ajax从后台获得心音信号数据后，就能将心音信号图像快速显示在网页上3。然而，在网页上显示的心音图像无法放大缩小，难以查看细节。为了解决这种情况，采用了Matlab中提供的可被Java调用的API，这样，在接收到心音信号文件之后就可以通过Matlab显示详细的心音图像。3.2 后端功能后端系统设
9、计语言主要采用Java为主，为了保证功能的逻辑清晰和可重用性，使用了SpringBoot框架。Controller层：当普通患者用户将心音文件在心脏健康平台系统的心音检测模块上传后，Ajax会先判读接收的文件类型，如果接收到的文件类型是wav类型，便会传递至Controller层并保存到指定文件位置并等待后续python端的处理。当用户需要查看心音信号图像时，Controller层便会调用Service层中的心音信号文件处理函数并将解码后的数字信号通过Ajax返回前端，由Canvas画布显示心音图像。当 用 户 需 要 查 看 详 细 的 心 音 图 像 时，Controller层便会调用Ma
10、tlabAPI同时弹出Matlab的图像显示模块，用户便能控制图像的缩放及位置，查看心音信号图像的细节。当 用 户 需 要 对 心 音 信 号 进 行 检 测 时，Controller层便会调用Service层中的心音信号检测函数并将检测结果通过Ajax返回前端显示。Service层的设计：Service层主要有两个功能有处理心音信号文件和获取Python API的检测结果后将解码后的心音信号和检测结果返回至Controller层。Service层在收到Controller层的心音信号文件处理命令后，便会对心音信号文件进行解码将模拟信号转换为数字信号，并计算出心音信号文件的通道数和长度，最后将
11、这些数据返回Controller层或进行其他处理。PythonAPI通过pythonruntime执行python脚本并通过输入输出流的方式来截取运行结果。在这里之所以没有通过传参数的方式来传输数据，是因为Python版本兼容性有限。同时，心音信号文件过大，而I/O方式更加稳定，且对大文件的处理更加擅长。3.3 心音识别检测心音信号是人体最重要的生理信号之一，它是心脏及心血管系统机械运动状况的反映，是在心动周期中由于心肌收缩舒张、瓣膜启闭以及血流冲击心室壁和大动脉等引起的一种机械振动，也是评估心脏功能状态的一种基本方法4。在心血管疾病初发期就能检测到心脏的异常，这将对病人的有效治疗有相当大的帮
12、助。与心电信号相比，由于心脏或者心血管疾病所表现出的病理现象会比较早地体现在心音信号上，如波形的畸变以及心杂音的出现等。在尚未发展到痛感、心电异常等症状之前，心音就可以为早期诊断提供可靠的信息。心音同时还具有心电不可替代的诊断信息，且具有无创性、重复性好等特点，因而在探测如心脏瓣膜病、冠心病、动脉疾病、人工心脏瓣膜性能等的无创检查方面有很大的潜能。心音信号的检测方法有很多，而最主要的就是由电子听诊器所采集的心音信号经过计算机技术的滤波等处理，并经过心音检测算法的检测最后得出结果。决策树是机器学习方法，是一个分类预测模型。决策树的形状类似于树，它是对数据进行分类的过程。因为单棵决策树往往有精度不
13、高，容易图1 系统整体框架图2 系统使用流程电子技术 第 52 卷 第 2 期（总第 555 期）2023 年 2 月 51Computer Engineering计算机工程出现过拟合的问题，所以机器学习中还有一个非常重要的算法：随机森林5。随机森林是一个随机的分类器，它由许多棵决策分类树随机合并累加起来就可以得到一个随机森林模型。而这些随机的决策树，全部由提前划分好的训练集随机生成，因此训练随机森林就是训练复数棵独立的决策树6。本文训练模型使用了3 126条心音信号，它们都来自physionet的心音信号数据库5，每组记录持续时间从5s到120s，采样率为2 000Hz。而在实际使用中，用户
14、可以使用电子听诊器或其他医疗设备获取心音信号。本算法使用Python3.7作为开发语言，同时使用Numpy、Sklearn、Keras库完成实验。Nicholas等人设计的基于光谱声学特征处理算法对心音信号有着良好的预处理效果7。在对physionet的心音信号进行预处理之后，便可以得到关于心音信号的一维特征数据，其中每一条心音信号拥有31条特征数据。原始心音信号数据在经过预处理之后，下一步训练操作就可以进行了。本文使用sklearn库中的RandomForestRegressor随机森林类。由于随机森林的准确率会随机学习器n_estimators的数量变化，基学习器的数量越多准确率越高。在经
15、过参数的调整与已有经验的总结，当n_estimators设置为500的时候可以取得良好的训练效果。经过对测试集的检测，该模型的准确率为87.64%。4 系统测试心音检测模块是本系统的核心模块，其可以对用户上传的心音信号进行检测并可以显示用户的心音图像。（1）用户点击心音检测模块界面的选择按钮，选择需要上传的心音信号文件。随后用户在文件选择页面选择完心音信号文件后，点击灰色的上传按钮便可以将心音信号传送到心脏健康平台的后台服务器。在普通患者用户上传成功后，页面会显示上传成功。（2）用户点击查看心音图像按钮就可以查看自己的心音信号图像。倘如用户觉得网页显示的心音信号图像不够清晰，便可以点击查看详细
16、图像系统就会自动弹出Matlab界面查看详细图像。图3所示为显示详细心音图像。（3）用户点击开始检测按钮，系统就会通过计算机辅助诊断算法对上传的心音信号进行检测，在等待片刻后便可以得到结果。倘若用户的心音信号检测结果为正常，系统就会显示检测正常的提示。反之提示存在异常。图4所示为检测结果。5 结语本文设计了一个线上异常心音信号检测系统，其可以实现对心音信号的显示及检测功能。解决了传统方法不能显示心音信号波形和检测效率慢等问题，且该平台操作简单反应快速，对非专业人员有着较低的使用门槛，有着一定的应用价值。参考文献1马丽媛,王增武,樊静,胡盛寿.中国心血管健康与疾病报告2021概要J.中国介入心脏病学杂志,2022,30(07):481-496.2 游丽贞,郭宇春,李纯喜.Ajax引擎的原理和应用J.微计算机信息,2006(06):205-207.3 连政.基于HTML5技术的移动Web前端设计与开发D.浙江：浙江工业大学,2014.4 吴延军,徐泾平,赵艳.心音的产生与传导机制J.生物医学工程学杂志,1996(03):280-288.5 Clifford G D,Liu C,Moody
