一种呼吸音监测方法、装置、终端及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种呼吸音监测方法、装置、终端及计算机可读存储介质，所述方法包括：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。本发明专利技术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。

Respiratory sound monitoring method, device, terminal and computer readable storage medium

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；根据所述分类得分生成诊断结果，并输出所述诊断结果。进一步地，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。进一步地，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。进一步地，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，得到梅尔频率倒谱系数和帧能量；将所述梅尔频率倒谱系数和所述帧能量输入呼吸音的神经网络中进行训练，训练完成后保存神经网络模型。本专利技术实施例还提供了一种呼吸音监测装置，包括：呼吸音信号接收单元，用于接收监测设备发送的实时采集的呼吸音信号；预处理单元，用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帧能量；诊断单元，用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；警报单元，用于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；根据所述分类得分生成诊断结果，并输出所述诊断结果。进一步地，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。本专利技术实施例还提供了一种呼吸音监测终端，包括处理器、存储器以及存储在所述存储器中且被配置为有所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述的呼吸音监测方法。本专利技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述的呼吸音监测方法。实施本专利技术实施例，具有如下有益效果：本专利技术实施例提供的基于一种呼吸音监测方法、装置、终端及计算机可读存储介质，所述方法包括：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。本专利技术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。附图说明图1是本专利技术第一实施例提供的一种呼吸音监测方法的流程示意图；图2是本专利技术第一实施例中神经网络模型构建的流程示意图；图3是本专利技术第一实施例中LSTM网络结构的示意图；图4是本专利技术第二实施例提供的一种呼吸音监测装置的结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。需要说明的是，本专利技术实施例中的客户端可以是移动终端以及非移动终端，非移动终端包括台式计算机，移动终端包括手机(SmartPhone，如Android手机、iOS手机等)、眼镜、手表、手环、平板电脑、笔记本电脑、个人数字助理等可以进行无线通信的移动互联网设备。本专利技术第一实施例：请参阅图1，图1是本专利技术第一实施例提供的一种呼吸音监测方法的流程示意图。所述呼吸音监测方法，至少包括如下步骤；S101、接收监测设备发送的实时采集的呼吸音信号。在本实施例中，由于所述监测设备可通过无线方式与监测终端进行通信，无需导线连接，所以所述监测设备可根据实际需求设置成硬币大小并封装有呼吸音传感器和处理芯片。所述就监测设备可利用专用胶贴或医用胶贴粘贴在左胸或右胸前，锁骨下两到三厘米处，并通过无线方式连接监测终端，以实时发送采集的呼吸音信号至所述监测终端。需要说明的是，所述监测设备的呼吸音传感器器采集呼吸音信号是由人体肺部产生的声波(即模拟信号)，而不是心脏产生的声波。然后所述监测设备可以通过无线方式，如蓝牙、WIFI等传入监测终端，如手机终端。由于所述监测终端已预先封装好训练的神经网络模型，当所述监测终端接收到所述呼吸音检测设备发送的呼吸音信号之后，可直接进行相关的诊断分类。S102、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。在本实施例中，所述对所述呼吸音信号进行预处理，是指切割所述呼吸音信号，保留满足预设音频数据长度的呼吸音数据，以提取每段所述呼吸音数据的梅尔频率倒谱系数和帧能量。具体的，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。然后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，并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，即已经训练好的LSTM网络，即长短时记忆网络，利用所述LSTM网络根据所述梅尔频率倒谱系数和所本文档来自技高网...

【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