一个高效的肺声分离算法基于GIHO-VMD
Leiming Zhang1, Fuliang He1, Hao Tan1
1College of Electronic and Information Engineering, Southwest University, 400715, Chongqing, China.
Computer methods and programs in biomedicine
|October 24, 2025
概括
这项研究引入了一种新的算法,用于将肺部声音 (LS) 与心脏声音 (HS) 分开. 基于引导改善河马优化的变化模式分解 (GIHO-VMD) 方法通过改善肺声信号分解来提高诊断准确性.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 医学诊断 医学诊断 医学诊断
背景情况:
- 肺部声音 (LS) 对于诊断肺部疾病至关重要.
- 临床听觉受到心脏声音 (HS) 和噪音的阻碍,损害了准确性.
- 频谱重叠和信号非静态性对LS分离构成挑战.
研究的目的:
- 开发一种先进的算法,以准确分离肺部声音.
- 克服传统方法在提取病理性LS的局限性.
- 提高肺声分析用于疾病诊断的质量和可靠性.
主要方法:
- 提出了一种基于指导改进河马优化的变化模式分解 (GIHO-VMD) 算法.
- 使用模糊 (FE) 作为具有新奇复杂性约束的目标函数.
- 整合了颠覆运营商 (DO) 和指导学习策略 (GLS) 以提高优化和融合.
主要成果:
- 在GIHO-VMD方法成功地分离模拟的心脏和肺部的声音信号.
- 实现了正常LS的平均信号噪声比 (SNR) 30.27dB,异常LS的平均信号噪声比为 28.60-30.11dB.
- 对于分离的LS,获得了平均63.15%的正常化交叉相关性 (NCC).
结论:
- 拟议的GIHO-VMD方法展示了强大的肺声信号分离能力.
- 有效地解决了从心脏和肺声音混合物中提取LS的挑战.
- 显示了改善诊断肺声分解的概括性,质量和准确性的显著潜力.
