一种基于云架构的心音采集与分析系统及方法技术方案

本发明专利技术提供了一种基于云架构的心音采集与分析系统及方法，其中系统包括心音信号采集装置、无线传输模块、嵌入式终端、云平台、心音分析模块。本发明专利技术采集心音信号并对其进行模数转换、滤波、降噪、放大处理后通过无线方式传输至嵌入式终端；嵌入式终端通过算法对正常心音信号和异常心音信号进行初步分类，排除正常的心音数据，并将检测出来的异常心音数据通过无线传输模块上传至云平台进一步分析诊断；云平台对异常的心音信号进行采集、显示、存储和分析诊断，最终得到诊断结果。本发明专利技术能够在前端更好的抑制环境噪声、提取异常心音后在云平台对心音信号进行智能分析诊断，并允许医生等专业医护人员查看异常心音给出相关诊断信息。

A heart sound acquisition and analysis system and method based on Cloud Architecture

【技术实现步骤摘要】
一种基于云架构的心音采集与分析系统及方法
本专利技术属于心脏智能诊断
，涉及心音采集与分析技术，特别是一种基于云架构的心音采集与分析系统及实现该系统的方法。
技术介绍
心音由心脏的机械运动生成。当心脏接受电信号传导，导致心房和心室机械性地收缩，推送血液，形成心脏瓣膜的开合，而这一整个机械运动过程加上血液流动的突然开始和结束导致心脏结构的振动，振动传导至胸腔，可以被胸前的听诊器(压电传感器)检测到并以心音的形式获取。通过心音检测心血管疾病的关键在于检测并识别心音中的杂音。一段基础心音周期一般包括第一心音(S1)和第二心音(S2)。第一心音在在锁骨中线的第五肋间听得最清楚，第一心音声调较低，40-60Hz浊音，持续时间较长；第二心音在主动脉瓣听诊区和肺动脉瓣听诊区听得最清楚，第二心音声调高，60-100Hz，持续时间短。基础心音是信号强度较高，最易识别的心音。除了第一心音和第二心音，心脏的机械运动也会生成其他的心音，比如第三心音(S3)和第四心音(S4)。心音智能诊断技术方面，目前国内外研究方向主要集中在传感器的设计和心音诊断算法上。心音传感器主要以压电传感器和麦克风为主。在刚刚结束的美国心脏协会2018年芝加哥科学年会上，数字听诊器制造商Eko展示了一款体积小巧的Duo数字听诊器和可以通过蓝牙远程连接终端的Core听诊器。国内数字心音传感器制造厂家主要是一些传统厂商，包括华科电子基于压电传感器的HKY06C心音传感器和成都仪器厂基于麦克风的JK系列的心音探头，但目前尚缺少成熟的数字心音听诊器产品。心音传感器技术方面，目前国内外都缺少可穿戴心音传感器的研究。未来心音的监测技术将会逐渐向便携式、可穿戴、边缘计算配合云端的方向发展。心音信号智能诊断算法方面，目前国内外研究主要集中在心音信号降噪、心音信号分割和心音信号病理性分类算法。心音分类算法目前以深度学习结合传统特征提取为主流，但除了正常/异常之外目前并没有一个适合评估算法病理性检测准确率的心音数据库作为评判依据。因此，建立一个完善统一标准的心音数据库也是接下来国内外心音研究者的努力方向之一。由此可见心音信号的智能诊断算法的研究趋势在未来会先以建立统一标准并完善标注的数据库为第一步，并且主要还是以如何基于信号处理的方法提取心音的泛化性较好的特征为分类算法的预处理输入，最大可能减少传感器多样性对采集的生理信号造成的差异性的影响。
技术实现思路
为解决上述问题，本专利技术提供了一种基于云架构的心音采集与分析系统及方法，本专利技术实现心音采集并且在嵌入式终端进行正常和异常心得初筛，将异常的心音信号通过无线传输的方式上传至云平台，在该云平台上进一步分析处理异常的心音信号，得出较为详细的诊断信息。为了达到上述目的，本专利技术提供如下技术方案：一种基于云架构的心音采集与分析系统，包括心音信号采集装置、无线传输模块、嵌入式终端、云平台；所述心音信号采集装置用于采集心音信号及环境声音，并且对心音信号进行模数转换、滤波、降噪、放大处理后传输至嵌入式终端；无线传输模块，用于通过无线传输技术进行心音信号采集装置与嵌入式终端、嵌入式终端与云端之间的数据传输；嵌入式终端，用于通过算法对正常心音信号和异常心音信号进行初步分类，排除正常的心音数据，并将检测出来的异常心音数据通过无线传输模块上传至云平台进一步分析诊断；云平台，用于对心音信号进行采集、显示、存储和分析诊断，包括云平台前端交互界面、后端的服务器和数据库以及心音分析模块，所述心音分析模块用于对有异常的心音信号进行扫描、特征提取和分类诊断。进一步的，所述心音信号采集装置包括4通道信号采集系统和与其连接的信号处理电路，所述4通道信号采集系统包括设置在主动脉区域、肺动脉区域、二尖瓣区域和三尖瓣区域4个位置的声音传感器模块，所述声音传感器采用双传感器降噪结构，一个传感器朝向胸腔用于采集心音信号，另一个朝向相反方向用于采集来自周围环境的声音；所述信号处理电路包括依次连接的运算放大电路、模数转换模块、音源分离模块、数字滤波器组、数字放大模块；所述运算放大模块用于对4个采集点的两个方向的传感器采集到的信号都进行放大，所述模数转换模块用于将放大后的信号转化为数字信号，所述音源分离模块用于通过主成分分析法或者通过训练多流神经网络模型分离心音与噪声，只留下朝向胸腔的传感器所采集到的心音信号，所述数字滤波器组包括：电源滤波单元、带通滤波和降噪滤波，所述电源滤波单元用于滤除电流噪声，所述带通滤波单元用于滤除心音频带以外的噪声，所述降噪滤波单元用于滤除环境噪声，所述数字放大模块用于对滤波处理后的心音信号进行放大。进一步的，所述声音传感器采用基于压电MEMS麦克风的双麦克风模块。进一步的，所述嵌入式终端架构中算法包括如下步骤：对心音信号的时频域特征进行提取，采用轻量化CNN模型训练，输出分类结果。进一步的，所述心音分析模块包括心音分割单元和心音分析诊断单元，所述心音分割单元用于将心音信号分为4段：第一心音、收缩期、第二心音、舒张期；所述心音分析诊断单元基于心音分割单元得到的不同阶段的心音信号，分别对4个状态的信号进行特征提取，并且提取心音信号的节律特征，再统一输入至AI自动诊断模块中进行诊断处理，最终得到诊断结果。进一步的，所述AI自动诊断模块基于第一心音、第二心音、收缩期和舒张期的数据，结合具体病症的临床病理特征，进行病症的详细诊断，诊断结果包含各种病症的识别分类及其严重程度。进一步的，所述AI自动诊断模块在深度学习的基础上结合传统机器学习模型，结合贝叶斯网络引入各类疾病的心音信号的病理性特征作为先验规则。本专利技术还提供了基于云架构的心音采集与分析方法，包括如下步骤：步骤1，采集主动脉区域、肺动脉区域、二尖瓣区域和三尖瓣区域4个位置胸腔方向的心音信号以及周围环境的声音；对采集到的信号都进行放大，再转化为数字信号，通过主成分分析法或者通过训练多流神经网络模型分离心音与噪声，只留下朝向胸腔的传感器所采集到的心音信号，针对该心音信号滤除电流噪声、滤除心音频带以外的噪声、滤除环境噪声，并对滤波后的心音信号进行放大；本步骤实现心音信号采集装置功能；步骤2，对经步骤1处理后的心音信号进行软件滤波和归一化处理；步骤3，对正常心音信号和异常心音信号进行初步分类，排除正常的心音数据，并将检测出来的异常心音数据通过无线传输方式上传至云平台进一步分析诊断；分类时对心音信号的时频域特征进行提取，采用轻量化CNN模型输出分类结果；步骤4，云平台的心音分割算法先将心音信号分为4段：第一心音、收缩期、第二心音、舒张期；基于分割结果，分别对4个状态的信号进行特征提取，并且提取心音信号的节律特征，再统一输入至AI自动诊断模块中进行诊断处理，最终得到诊断结果。进一步的，所述AI自动诊断模块基于第一心音、第二心音、收缩期和舒张期的数据，结合具体病症的临床病理特征，进行病症的详细诊断，诊断结果包含各种病症的识别分类及其严重程度。进一步的，所述AI自动诊断模块在深度学习的基础上结合传统机器学习模型，结合贝叶斯网络引入各类疾病的心音信号的病理性特征作为先验规则。与现有技术相比，本专利技术具有如下优点和有益效果：(1)采用四通道双传感器降噪结构，结合前端信号放大和数字滤波器组，能够采集到不同区域的心音信本文档来自技高网...

【技术保护点】
1.一种基于云架构的心音采集与分析系统，其特征在于：包括心音信号采集装置、无线传输模块、嵌入式终端、云平台；所述心音信号采集装置用于采集心音信号及环境声音，并且对心音信号进行模数转换、滤波、降噪、放大处理后传输至嵌入式终端；无线传输模块，用于通过无线传输技术进行心音信号采集装置与嵌入式终端、嵌入式终端与云端之间的数据传输；嵌入式终端，用于通过算法对正常心音信号和异常心音信号进行初步分类，排除正常的心音数据，并将检测出来的异常心音数据通过无线传输模块上传至云平台进一步分析诊断；云平台，用于对心音信号进行采集、显示、存储和分析诊断，包括云平台前端交互界面、后端的服务器和数据库以及心音分析模块，所述心音分析模块用于对有异常的心音信号进行扫描、特征提取和分类诊断。

【技术特征摘要】
1.一种基于云架构的心音采集与分析系统，其特征在于：包括心音信号采集装置、无线传输模块、嵌入式终端、云平台；所述心音信号采集装置用于采集心音信号及环境声音，并且对心音信号进行模数转换、滤波、降噪、放大处理后传输至嵌入式终端；无线传输模块，用于通过无线传输技术进行心音信号采集装置与嵌入式终端、嵌入式终端与云端之间的数据传输；嵌入式终端，用于通过算法对正常心音信号和异常心音信号进行初步分类，排除正常的心音数据，并将检测出来的异常心音数据通过无线传输模块上传至云平台进一步分析诊断；云平台，用于对心音信号进行采集、显示、存储和分析诊断，包括云平台前端交互界面、后端的服务器和数据库以及心音分析模块，所述心音分析模块用于对有异常的心音信号进行扫描、特征提取和分类诊断。2.根据权利要求1所述的基于云架构的心音采集与分析系统，其特征在于：所述心音信号采集装置包括4通道信号采集系统和与其连接的信号处理电路，所述4通道信号采集系统包括设置在主动脉区域、肺动脉区域、二尖瓣区域和三尖瓣区域4个位置的声音传感器模块，所述声音传感器采用双传感器降噪结构，一个传感器朝向胸腔用于采集心音信号，另一个朝向相反方向用于采集来自周围环境的声音；所述信号处理电路包括依次连接的运算放大电路、模数转换模块、音源分离模块、数字滤波器组、数字放大模块；所述运算放大模块用于对4个采集点的两个方向的传感器采集到的信号都进行放大，所述模数转换模块用于将放大后的信号转化为数字信号，所述音源分离模块用于通过主成分分析法或者通过训练多流神经网络模型分离心音与噪声，只留下朝向胸腔的传感器所采集到的心音信号，所述数字滤波器组包括：电源滤波单元、带通滤波和降噪滤波，所述电源滤波单元用于滤除电流噪声，所述带通滤波单元用于滤除心音频带以外的噪声，所述降噪滤波单元用于滤除环境噪声，所述数字放大模块用于对滤波处理后的心音信号进行放大。3.根据权利要求2所述的基于云架构的心音采集与分析系统，其特征在于：所述声音传感器采用基于压电MEMS麦克风的双麦克风模块。4.根据权利要求1所述的基于云架构的心音采集与分析系统，其特征在于：所述嵌入式终端架构中算法包括如下步骤：对心音信号的时频域特征进行提取，采用轻量化CNN模型训练，输出分类结果。5.根据权利要求1所述的基于云架构的心音采集与分析系统，其特征在于：所述心音分析模块包括心音分割单元和心音分析诊断单元，所述心音分割...

【专利技术属性】
技术研发人员：刘澄玉，王星尧，樊佛莉，李建清，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32