The invention discloses a breathing sound monitoring method, device, terminal and computer readable storage medium. The method comprises: receiving breathing sound signals transmitted by monitoring equipment, pretreatment of the breathing sound signals, obtaining Mel frequency cepstrum coefficient and frame energy, and according to the Mel frequency cepstrum system. Number and frame energy are used to classify and calculate the classification score of the respiratory sounds using a pre-constructed neural network model, and the diagnosis result is output according to the classification score; when the abnormal respiratory sounds are judged according to the diagnosis result, the alarm is triggered. The invention can realize all-weather monitoring of human respiratory sounds, and automatically trigger an alarm to remind users when abnormal respiratory sounds are monitored.
【技术实现步骤摘要】
一种呼吸音监测方法、装置、终端及计算机可读存储介质
本专利技术涉及监测设备
,尤其涉及一种呼吸音监测方法、装置、终端及计算机可读存储介质。
技术介绍
传统的呼吸音诊断大部分是基于医生听诊,病人只有去看医生的时候才能获取医生的听诊结果,这对时刻关注自己健康状况的人群并不方便,而且就诊成本较高,听诊效率较低。目前市场上虽然存在少部分便携式智能听诊器,该类智能听诊器可以通过蓝牙连接移动设备并手动记录呼吸音以及传至移动设备,但是目前的便携式智能听诊器仍不够方便且不能实现全天候检测人体呼吸音,操作复杂。
技术实现思路
本专利技术实施例所要解决的技术问题在于,提供一种呼吸音监测方法、装置、终端及计算机可读存储介质,能够实现全天候监测人体呼吸音,并在监测到呼吸音异常的情况下自动触发警报提醒用户。为了解决上述技术问题,本专利技术实施例提供了一种呼吸音监测方法,至少包括如下步骤;接收监测设备发送的实时采集的呼吸音信号;对所述呼吸音信号进行预处理,得到梅尔频率倒谱系数和帧能量;根据所述梅尔频率倒谱系数和所述帧能量,利用预先构建的神经网络模型对所述呼吸音信号进行分类判断和计算分类得分,并根据所述分类得分输出诊断结果;当根据所述诊断结果判断所述呼吸音异常时,触发警报。进一步地,根据所述梅尔频率倒谱系数和所述帧能量,利用预先构建的神经网络模型对所述呼吸音信号进行分类判断和计算分类得分,并根据所述分类得分输出诊断结果,具体为:将所述梅尔频率倒谱系数和所述帧能量输入预先构建的神经网络模型进行训练,并根据训练结果对所述呼吸音信号进行分类判断,并计算所述呼吸音的分类得分;根据所述分类得分 ...
【技术保护点】
1.一种呼吸音监测方法,其特征在于,包括如下步骤:接收监测设备发送的实时采集的呼吸音信号;对所述呼吸音信号进行预处理,得到梅尔频率倒谱系数和帧能量;根据所述梅尔频率倒谱系数和所述帧能量,利用预先构建的神经网络模型对所述呼吸音信号进行分类判断和计算分类得分,并根据所述分类得分输出诊断结果;当根据所述诊断结果判断所述呼吸音异常时,触发警报。
【技术特征摘要】
1.一种呼吸音监测方法,其特征在于,包括如下步骤:接收监测设备发送的实时采集的呼吸音信号;对所述呼吸音信号进行预处理,得到梅尔频率倒谱系数和帧能量;根据所述梅尔频率倒谱系数和所述帧能量,利用预先构建的神经网络模型对所述呼吸音信号进行分类判断和计算分类得分,并根据所述分类得分输出诊断结果;当根据所述诊断结果判断所述呼吸音异常时,触发警报。2.根据权利要求1所述的呼吸音监测方法,其特征在于,根据所述梅尔频率倒谱系数和所述帧能量,利用预先构建的神经网络模型对所述呼吸音信号进行分类判断和计算分类得分,并根据所述分类得分输出诊断结果,具体为:将所述梅尔频率倒谱系数和所述帧能量输入预先构建的神经网络模型进行训练,并根据训练结果对所述呼吸音信号进行分类判断,并计算所述呼吸音的分类得分;根据所述分类得分生成诊断结果,并输出所述诊断结果。3.根据权利要求2所述的呼吸音监测方法,其特征在于,所述分类得分为所述神经网络模型的分类器计算得出;所述诊断结果为所述神经网络模型输出的分类得分最高的类别。4.根据权利要求1所述的呼吸音监测方法,其特征在于,对所述呼吸音信号进行预处理,得到梅尔频率倒谱系数和所述帧能量,具体为:客户端接收所述监测设备端发送的呼吸音数字信号,并对所述呼吸音数字信号进行切割,保留满足预设音频数据长度的呼吸音数据;其中,所述呼吸音数字信号为所述监测设备将呼吸音模拟信号进行数模转换所得;提取每段所述呼吸音数据的梅尔频率倒谱系数和所述帧能量。5.根据权利要求1所述的呼吸音监测方法,其特征在于,所述神经网络模型的构建步骤如下:接收所述监测设备发送的实时采集的呼吸音信号;对所述呼吸音信号进行预处理,得到梅尔频率倒谱...
【专利技术属性】
技术研发人员:杜岗,江向武,白杨,李荣,刘亮,曹彬彬,杨金华,游君霞,舒宁,曾美寨,姚利,范秋丽,叶婷,
申请(专利权)人:广州市碳码科技有限责任公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。