一种罗音检测的方法和装置制造方法及图纸

本发明专利技术涉及一种罗音检测方法及装置，在一个实施例中，该方法包括：接收待测肺音信号，并将小波信号与待测肺音信号卷积进行小波变换，获得第一级分解信号；对第一级分解信号进行奇异值分解获得对应的第一级奇异值；至少根据第一级奇异值构建待测肺音信号的特征向量；将待测肺音信号的特征向量送入已训练的分类器中进行判别，输出判别结果。本发明专利技术实施例所提供的罗音检测方法及装置具有较高的检测准确率，其检测准确率可以达到100％，具有良好的应用前景。

【技术实现步骤摘要】

本专利技术涉及生物医学信号处理
，尤其涉及一种罗音检测的方法和装置。
技术介绍
呼吸系统疾病是常见疾病，例如哮喘、慢性阻塞性肺疾病(chronic obstructive pulmonary disease，简称COPD)、肺炎、支气管炎等。近年来随着空气污染和其他环境因素，呼吸系统疾病患病率持续增长，肺部疾病诊断得到了更多的关注。肺部呼吸音含有大量信息，是反应肺的生理及病理的一项重要指标。其中，罗音是一种常见的肺部异常音,与肺炎等疾病密切相关。目前，临床医学对罗音的诊断主要依靠听诊，这很大程度上依赖于医生的听诊技术和临床经验，主观性较强。相比于传统的听诊，研究一种精度较高、非侵入式的客观的肺部异常音检测技术显得尤为重要。现阶段，国内外越来越多的研究者致力于肺音信号研究，通过信号处理技术分析肺音，提取其中的生理及病理信息，建立一个分类系统，以准确地量化正常和异常肺音，从而为肺的状态评估及疾病诊断提供更多的依据。目前，采用信号处理技术检测罗音可通过时频分析(短时傅里叶变换、小波分解等)提取其特征(功率、分形维数等)，通过机器学习或者神经网络的方法训练分类器，从而对罗音进行识别。小波分析由于其可变化的时频分辨率在时频分析中得到广泛应用，小波变换(wavelet transform，简称WT)与傅里叶变换相比，小波变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了傅里叶变换的困难问题，但是由于罗音波形的特殊性，目前并没有找到较为合适的小波应用于罗音检测，从而影响了检测准确率。
技术实现思路
为解决上述问题，第一方面，本专利技术实施例提供了一种罗音检测的分类器训练方法，该方法包括：接收肺音训练信号，将小波信号与接收到的肺音训练信号卷积，进行小波变换，获得第一级分解信号；对第一级分解信号进行奇异值分解获得对应的第一级奇异值；至少根据第一级奇异值构建肺音训练信号的特征向量；通过肺音训练信号的特征向量，训练分类器。可选地，上述方法还包括：对第一级分解信号进行n倍降采样，获得第一降采样信号，将小波信号与第一降采样信号卷积进行小波变换，获得第二级分解信号；其中，n为大于1的正整数，如2；对第二级分解信号进行n倍降采样，获得第二降采样信号，将小波信号与第二降采样信号卷积进行小波变换，获得第三级分解信号；对第二级分解信号和第三级分解信号分别进行奇异值分解获得对应的第二级奇异值和第三级奇异值。可选地，在上述方法中，小波信号为罗音模拟信号。可选地，在上述方法中，当第一级奇异值为根据第一级分解信号进行奇异值分解获得对应的L个奇异值时，步骤至少根据所述第一级奇异值构建所述肺音训练信号的特征向量，包括：将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成第一级特征向量；至少根据第一级特征向量构建所述肺音训练信号的特征向量。可选地，上述方法还包括：将根据第二级分解信号进行奇异值分解获得对应的L个奇异值作为第二级奇异值，并将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成对应的第二级特征向量；将根据第三级分解信号进行奇异值分解获得对应的L个奇异值作为第三级奇异值，并将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成对应的第三级特征向量。可选地，在上述方法中，步骤至少根据第一级奇异值构建肺音训练信号的特征向量包括：根据第一级特征向量、或者第一级特征向量和第二级特征向量、或者第一级特征向量和第二级特征向量和第三级特征向量构建肺音训练信号的特征向量。可选地，在上述方法中，分类器为支持向量机分类器。第二方面，本专利技术实施例提供一种罗音检测方法，该方法包括：接收待测肺音信号，并将小波信号与待测肺音信号卷积，进行小波变换，获得第一级分解信号；对第一级分解信号进行奇异值分解获得对应的第一级奇异值；至少根据第一级奇异值构建待测肺音信号的特征向量；将待测肺音信号的特征向量送入已训练的分类器中进行判别，输出判别结果。可选地，上述方法还包括：对第一级分解信号进行n倍降采样，获得第一降采样信号，将小波信号与第一降采样信号卷积进行小波变换，获得第二级分解信号；对第二级分解信号进行n倍降采样，获得第二降采样信号，将小波信号与第二降采样信号卷积进行小波变换，获得第三级分解信号；其中，n为大于1的正整数；对第二级分解信号和第三级分解信号分别进行奇异值分解获得对应的第二级奇异值和第三级奇异值。可选地，在上述方法中，小波信号为罗音模拟信号。可选地，在上述方法中，当第一级奇异值为根据第一级分解信号进行奇异值分解获得对应的L个奇异值时，步骤至少根据所述第一级奇异值构建所述肺音训练信号的特征向量，包括：将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成第一级特征向量；至少根据第一级特征向量构建所述肺音训练信号的特征向量。可选地，上述方法还包括，将根据第二级分解信号进行奇异值分解获得对应的L个奇异值作为第二级奇异值，并将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成对应的第二级特征向量；将根据第三级分解信号进行奇异值分解获得对应的L个奇异值作为第三级奇异值，并将L个奇异值相加，获得奇异值和；将每个奇异值与奇异值和作比，获得L个比值，将L个比值组成对应的第三级特征向量。可选地，在上述方法中，步骤至少根据第一级奇异值构建待测肺音信号的特征向量，包括：根据第一级特征向量、或者第一级特征向量和第二级特征向量、或者第一级特征向量和第二级特征向量和第三级特征向量构建肺音训练信号的特征向量。可选地，在上述方法中，分类器为支持向量机分类器。第三方面，本专利技术实施例提供一种罗音检测装置，该装置包括：小波变换单元用于接收待测肺音信号，将小波信号与待测肺音信号卷积进行小波变换，获得至少一级分解信号；奇异值分解单元用于接收至少一级分解信号，并分别对至少一级分解信号进行奇异值分解获得对应的至少一级奇异值；特征向量构建单元用于根据至少一级奇异值构建待测肺音信号的特征向量；分类单元用于将待测肺音信号的特征向量送入已训练的分类器中进行判别，输出判别结果。本专利技术实施例所提供的罗音检测方法及装置，通过将罗音模拟信号作为基小波，首先对肺音信号进行小波分解，提取其特征波形，然后对分解信号进行奇异值分解，将奇异值组成特征向量，选取支持向量机训练分类器，对肺音中是否含有罗音进行检测。该方法具有较高的检测准确率，其检测准确率可以达到100％，具有良好的应用前景。附图说明了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术实施例提供的一种罗音检测的分类器训练方法；图2为本专利技术实施例提供的一种罗音检测方法流程图；图3为本专利技术实施例提供的一种罗音检测装置。具体实施方式下面通过附图和实施例，对本专利技术的技术方案做进本文档来自技高网...

【技术保护点】
一种罗音检测的分类器训练方法，其特征在于，所述方法包括：接收肺音训练信号，并将小波信号与所述肺音训练信号卷积，进行小波变换，获得第一级分解信号；对所述第一级分解信号分别进行奇异值分解获得对应的第一级奇异值；至少根据所述第一级奇异值构建所述肺音训练信号的特征向量；根据所述肺音训练信号的特征向量，训练分类器。

【技术特征摘要】
1.一种罗音检测的分类器训练方法，其特征在于，所述方法包括：接收肺音训练信号，并将小波信号与所述肺音训练信号卷积，进行小波变换，获得第一级分解信号；对所述第一级分解信号分别进行奇异值分解获得对应的第一级奇异值；至少根据所述第一级奇异值构建所述肺音训练信号的特征向量；根据所述肺音训练信号的特征向量，训练分类器。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述第一级分解信号进行n倍降采样，获得第一降采样信号，将小波信号与所述第一降采样信号卷积进行小波变换，获得第二级分解信号；对所述第二级分解信号进行n倍降采样，获得第二降采样信号，将小波信号与所述第二降采样信号卷积进行小波变换，获得第三级分解信号；其中，所述n为大于1的正整数；对所述第二级分解信号和第三级分解信号分别进行奇异值分解获得对应的第二级奇异值和第三级奇异值。3.根据权利要求1或2所述的方法，其特征在于，所述小波信号为罗音模拟信号。4.根据权利要求1所述的方法，其特征在于，当所述第一级奇异值为根据所述第一级分解信号进行奇异值分解获得对应的L个奇异值时，所述至少根据所述第一级奇异值构建所述肺音训练信号的特征向量，包括：将所述L个奇异值相加，获得奇异值和；将每个所述奇异值与所述奇异值和作比，获得L个比值，将所述L个比值组成第一级特征向量；至少根据第一级特征向量构建所述肺音训练信号的特征向量。5.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：将根据所述第二级分解信号进行奇异值分解获得对应的L个奇异值作为所述第二级奇异值，并将所述L个奇异值相加，获得奇异值和；将每个所述奇异值与所述奇异值和作比，获得L个比值，将所述L个比值组成对应的第二级特征向量；将根据所述第三级分解信号进行奇异值分解获得对应的L个奇异值作为所述第三级奇异值，并将所述L个奇异值相加，获得奇异值和；将每个所述奇异值与所述奇异值和作比，获得L个比值，将所述L个比值组成对应的第三级特征向量。6.根据权利要求1、4或5所述的方法，其特征在于，所述至少根据所述第一级奇异值构建所述肺音训练信号的特征向量，包括：根据所述第一级特征向量、或者第一级特征向量和第二级特征向量、或者第一级特征向量和第二级特征向量和第三级特征向量构建所述肺音训练信号的特征向量。7.根据权利要求1所述的方法，其特征在于，所述分类器为支持向量机分类器。8.一种罗音检测方法，其特征在于，所述方法包括：接收待测肺音信号，并将小波信号与所述待测肺音信号卷积进行小波变换，获得第一级分解信号；对所述第一级分解信号进行奇异值分解获得对应的第一级奇异值；至少根据所述第一级奇异值构建所述待...

【专利技术属性】
技术研发人员：李佳芮，洪缨，
申请(专利权)人：中国科学院声学研究所，
类型：发明
国别省市：北京;11