一种基于声音传感器的肠电图检测系统技术方案

本发明专利技术提供了一种基于声音传感器的肠电图检测系统，包括放置于腹腔表面的若干声音传感器，所述声音传感器均通过无线网络与中央处理器连接，所述中央处理器与显示器相连；所述声音传感器用于采集肠道声音信号；所述中央处理器用于处理肠道声音信号，并定位声源；所述显示器用于显示肠鸣音数据和声源位置。本发明专利技术的有益效果为：将上述声音传感器置于腹腔表面，可以精确地听诊出肠鸣音，并通过中央处理器进行分析，能够准确的定位声音异常的位置，而且可在显示器上实时显示出来，为医生诊断肠道疾病提供便利。

【技术实现步骤摘要】

本专利技术涉及肠电图检测领域，具体涉及一种基于声音传感器的肠电图检测系统。
技术介绍
相关技术中，对于普通的肠电图，配置于体表的电极所测得的电位与心电图脑电图相比是极小的，此外还容易受到呼吸的影响,使得后续的信号处理变得困难，精度也因此受到影响。相对于肠电，肠鸣音则要明显的多。正常情况下，肠鸣音大约每分钟4～5次，肠蠕动增强时，肠鸣音达每分钟10次以上，根据声音具体情况，可以判断肠鸣音活跃或者肠鸣音亢进等。各种原因的肠壁肌肉劳损时，肠鸣音减弱。如持续听诊3～5分钟未听到肠鸣音，则为肠鸣音消失。目前的肠鸣音检测设备大都使用单一的听筒，使用起来不方便。也有人提出使用多通道设备，将多个传感器布置在肠道上，但是这种方法仅能判断肠鸣音异常的某个区域，而不能精确定位，也不利于医生对病灶的判断。目前声源定位算法已日渐成熟，可以三维定位声源，准确定位声源，现多应用于机械维修行业，在医疗行业没有广泛运用。
技术实现思路
为解决上述问题，本专利技术旨在提供一种基于声音传感器的肠电图检测系统。本专利技术的目的采用以下技术方案来实现：一种基于声音传感器的肠电图检测系统，包括放置于腹腔表面的若干声音传感器，所述声音传感器均通过无线网络与中央处理器连接，所述中央处理器与显示器相连；所述声音传感器用于采集肠道声音信号；所述中央处理器用于处理肠道声音信号，并定位声源；所述显示器用于显示肠鸣音数据和声源位置。本专利技术的有益效果为：将上述声音传感器置于腹腔表面，可以精确地听诊出肠鸣音，并通过中央处理器进行分析，能够准确的定位声音异常的位置，而且可在显示器上实时显示出来，为医生诊断肠道疾病提供便利，从而解决了上述技术问题。附图说明利用附图对本专利技术作进一步说明，但附图中的实施例不构成对本专利技术的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。图1是本专利技术结构示意图；图2是本专利技术传感器故障诊断模块的示意图。附图标记：声音传感器1、中央处理器2、显示器3、滤波器4、传感器故障诊断模块5、信号采集滤波单元51、故障特征提取单元52、在线特征提取单元53、特征向量优选单元54、故障分类识别单元55、故障种类更新单元56、健康记录单元57。具体实施方式结合以下实施例对本专利技术作进一步描述。应用场景1参见图1、图2，本应用场景的一个实施例的基于声音传感器的肠电图检测系统，包括放置于腹腔表面的若干声音传感器1，所述声音传感器1均通过无线网络与中央处理器2连接，所述中央处理器2与显示器3相连；所述声音传感器1用于采集肠道声音信号；所述中央处理器2用于处理肠道声音信号，并定位声源；所述显示器3用于显示肠鸣音数据和声源位置。优选的，所述中央处理器2包括用于过滤肠道声音信号的噪声的滤波器4。本专利技术上述实施例将上述声音传感器1置于腹腔表面，可以精确地听诊出肠鸣音，并通过中央处理器2进行分析，能够准确的定位声音异常的位置，而且可在显示器3上实时显示出来，为医生诊断肠道疾病提供便利，从而解决了上述技术问题。优选的，所述声音传感器1为6个。本优选实施例设置6个声音传感器，便于使用定位算法确定声源的三维空间信息。优选的，所述基于声音传感器的肠电图检测系统还包括对声音传感器1进行诊断的传感器故障诊断模块5，所述传感器故障诊断模块5包括信号采集滤波单元51、故障特征提取单元52、在线特征提取单元53、特征向量优选单元54、故障分类识别单元55、故障种类更新单元56和健康记录单元57。本专利技术上述实施例设置传感器故障诊断模块5并实现了传感器故障诊断模块5的快速搭建，有利于监测声音传感器1，保证监测有效执行。优选的，所述信号采集滤波单元51用于采集历史传感器信号和在线传感器测试信号，并采用组合形态滤波器对信号进行滤波处理；本优选实施例设置组合形态滤波器，可有效的去除信号的各种噪声干扰，较好的保留信号的原始特征信息。优选的，所述故障特征提取单元52用于对滤波后的历史传感器信号进行集成经验模态分解(EEMD)处理，并提取集成经验模态分解(EEMD)的能量熵作为训练特征向量，包括：(1)将采集的历史传感器信号分为正常工况信号和多种类别的故障信号；(2)对所述历史传感器信号进行集成经验模态分解(EEMD)处理，获得所述历史传感器信号的本征模态函数和余项函数；(3)计算所述历史传感器信号的本征模态函数和余项函数的能量熵；(4)对历史传感器信号的能量熵进行归一化处理，提取归一化后的能量熵作为训练特征向量；所述在线特征提取单元53用于对滤波后的在线传感器测试信号进行集成经验模态分解(EEMD)处理，并提取集成经验模态分解(EEMD)的能量熵作为待测特征向量，包括：(1)对所述在线传感器测试信号进行EEMD处理，获得所述在线传感器测试信号的本征模态函数和余项函数；(2)计算所述在线传感器测试信号的本征模态函数和余项函数的能量熵；(3)对在线传感器测试信号的能量熵进行归一化处理，提取归一化后的能量熵作为待测特征向量。本优选实施例对采集的传感器信号进行集成经验模态分解(EEMD)处理，能够有效的消除模态混叠现象，分解的效果较好。优选的，所述特征向量优选单元54分别对训练特征向量和待测特征向量进行相似性度量，对于相似度高的特征向量进行剔除，包括：(1)定义两向量相似度函数S(X,Y)： S ( X , Y ) = cov ( X , Y ) D ( X ) D ( y ) ]]>式中，X、Y分别表示两个特征向量，cov(X,Y)为X与Y的协方差，为X、Y标准差；对于任意两个训练特征向量X1、X2，和任意两个待测特征向量D1、D2，分别采用相似度函数对其相似度进行度量，得到S(X1,X2)和S(D1,D2)；(2)对于S(X1,X2)和S(D1,D2)，若S(X1,X2)>T1，T1∈(0.9,1)，只选取X1作为训练特征向量，若S(D1,D2)>T2，T2∈(0.95,1)，只选取D1作为待测特征向量。本优选实施例通过相似度度量来筛选特征向量，能够减少计算量，提高效率。优选的，所述故障分类识别单元55用于采用优化的最小二乘支持向量机对所述待测特征向量进行故障分类识别，包括参数选择优化子模块、训练子模块和识别子模块，具体为：所述参数选择优化子模块用于构造最小二乘支持向量机的核函数，并对最小二乘支持向量机的结构参数采用多群体协同混沌粒子群优化算法本文档来自技高网...

【技术保护点】
一种基于声音传感器的肠电图检测系统，其特征是，放置于腹腔表面的若干声音传感器，所述声音传感器均通过无线网络与中央处理器连接，所述中央处理器与显示器相连；所述声音传感器用于采集肠道声音信号；所述中央处理器用于处理肠道声音信号，并定位声源；所述显示器用于显示肠鸣音数据和声源位置。

【技术特征摘要】
1.一种基于声音传感器的肠电图检测系统，其特征是，放置于腹腔表面的若干声音传感器，所述声音传感器均通过无线网络与中央处理器连接，所述中央处理器与显示器相连；所述声音传感器用于采集肠道声音信号；所述中央处理器用于处理肠道声音信号，并定位声源；所述显示...

【专利技术属性】
技术研发人员：不公告发明人，
申请(专利权)人：孟玲，
类型：发明
国别省市：浙江;33