一种基于智能听诊器的心脏声音分类方法、系统、装置及可读存储介质制造方法及图纸

本发明专利技术涉及计算机听觉、人工智能技术领域，尤其为一种基于智能听诊器的心脏声音分类方法，包括如下步骤：步骤S1：心脏声音预处理；步骤S2：声音特征处理；步骤S3：积卷神经网络模型构建及训练；步骤S4：使用模型解析待测心脏声音的分类。本发明专利技术，使用卷积神经网络模型对智能听诊器收集而来的心音进行分类，判断心音是否正常或者是属于某种常见异常，为病情诊断提供参考。本申请还公开了一种基于智能听诊器的心脏声音分类系统、装置及计算机可读存储介质，与上述方法具有相同的有益效果。

A heart sound classification method, system, device and readable storage medium based on Intelligent stethoscope

【技术实现步骤摘要】
一种基于智能听诊器的心脏声音分类方法、系统、装置及可读存储介质
本专利技术涉及计算机听觉、人工智能
，具体为一种基于智能听诊器的心脏声音分类方法、系统、装置及可读存储介质。
技术介绍
人心脏的声音含有非常丰富人体健康信息，传统的方法也就是专业医生诊断心音，医生可以按照自己的经验判断病人的心音是否存在问题。但由于医疗资源分布不均且昂贵，尽管专业医生的诊断结果更加精准，但由于它诊断费时长、成本高昂的缺点让很多人望而却步。由于机器学习技术和计算机性能近年来的高速增长，使得计算机判断心音异常成为可能。为此，提出，一种基于智能听诊器的心脏声音分类方法、系统、装置及可读存储介质，对收集而来的心音进行分类，并判断心音是否正常或者是属于某种常见异常(如心律不齐)，为病情诊断提供参考。
技术实现思路
本专利技术的目的在于提供一种基于智能听诊器的心脏声音分类方法、系统、装置及可读存储介质，以解决上述
技术介绍
中提出的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于智能听诊器的心脏声音分类方法，包括如下步骤：步骤S1：心脏声音预处理；步骤S2：声音特征处理；步骤S3：积卷神经网络模型构建及训练；步骤S4：使用模型解析待测心脏声音的分类。优选的，步骤S1的实现依次包括如下步骤：步骤S1.1：心脏声音采集；步骤S1.2：音频标注；步骤S1.3：音频分段；其中，步骤S1.1：心脏声音采集使用智能听诊器采集不同症状的病人的心脏心尖部声音，现采集若干个人的心脏声音，这些人分为人数相同的2类，一类为正常，另一类为心律不齐，他们分别采集15秒左右的10段心音；步骤S1.2：对于采集而来的数据进行标注，标注为两类分别为正常和心律不齐；步骤S1.3：将心脏声音切割为标准的10秒长短的音频文件，丢弃位于音频两端的多余部分。优选的，步骤S2的实现依次包括如下步骤：步骤S2.1：音频预处理；步骤S2.2：快速傅里叶变换；步骤S2.3：计算能量谱；步骤S2.4：计算Mel滤波能量；步骤S2.5：计算对数能量；其中，步骤S2.1：采用公式：H(z)＝1-αz-1对音频预加重，α为加重系数，且0.9<α<1.0；步骤S2.2：变换公式为步骤S2.3：将频域信号以复数形式表示如下：能量谱为：E(k)＝(ak2+bk2)；步骤S2.4：Mel滤波器得到Mel频率为：Mel滤波器的频率响应计算式为：步骤S2.5：对数梅尔频谱特征计算公式如下：最终获取到需要的特征向量。优选的，卷积神经网络模型，使用多个小卷积核进行连续多层局部感知的VGG构建模型，每一个VGG单元有多个卷积层和一个池化层构成，卷积神经网络的卷积层、池化层、全连接层和输出层的参数学习使用BP算法，卷积层采用了局部连接和参数共享的处理方式，层引入了局部感知野，用于网络的局部连接，在池化层中，采用简单的方式选择相似的区域，卷积神经网络模型训练的实现依次包括如下步骤：S3.1：将步骤S2输出的特征向量作为输入，进行归一化处理得到训练集和验证集，将训练集输入卷积神经网络模型中；S3.2：搭建VGG构建的卷积神经网络模型，对训练集进行训练，训练过程中每批次输入大小为128，迭代训练300次；S3.3：每次迭代完成后，使用最后一层的模型参数计算出损失误差，并将损失误差进行反向传播，从而更新卷积神经网络模型中的模型参数，并输出准确率和损失值，直至训练完成；S3.4：输出模型。为解决上述技术问题，本专利技术还提供一种基于智能听诊器的心脏声音分类系统，包括：心脏声音预处理模块，用于采集不同症状的病人的心脏心尖部声音，并对采集的声音进行处理得到所需的音频；声音特征处理模块，用于获取心脏声音预处理模块处理后的音频，并对音频进行处理得到特征向量；卷积神经网络模型，用于输入特征向量并计算，获取待测心音属于正常和心律不齐的概率；显示模块；用于显示卷积神经网络模型输出的分类结果；其中：心脏声音预处理模块、心脏声音预处理模块、卷积神经网络模型以及显示模块顺次连接。优选的，心脏声音预处理模块包括智能听诊器，卷积神经网络模型基于使用多个小卷积核进行连续多层局部感知的VGG单元构建的模型。为解决上述技术问题，本专利技术还提供一种基于智能听诊器的心脏声音分类装置，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上述任一项所述的基于智能听诊器的心脏声音分类方法的步骤。为解决上述技术问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于智能听诊器的心脏声音分类方法的步骤。与现有技术相比，本专利技术的有益效果是：本专利技术，使用卷积神经网络模型对智能听诊器收集而来的心音进行分类，判断心音是否正常或者是属于某种常见异常(如心律不齐)，为病情诊断提供参考。本专利技术，使用深度学习的方法使机器(如手机、计算机)拥有初步诊断心脏声音的能力，对于某些疾病预防、疾病跟踪、辅助诊断具有实质性的作用，同时具有成本低、诊断时间短的优点，通常只需要几分钟就可以输出诊断结果，在准确度上可以达到85％以上，作为病情参考具有较高准确性。附图说明图1为本专利技术基于智能听诊器的心脏声音分类方法总流程图；图2为本专利技术智能听诊器的心脏声音分类系统结构示意图；图3为本专利技术基于智能听诊器的心脏声音分类装置结构示意图；图4为本专利技术采用声音特征处理模块获得特征向量流程图；图5为本专利技术卷积神经网络的结构(及训练)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。请参阅图1～5，本专利技术提供一种技术方案：一种基于智能听诊器的心脏声音分类方法，采用卷积神经网络模型对多种待测心脏声音文件进行分类。主要包括心脏声音预处理、声音特征处理、模型训练和待测心音分类四个部分，具体步骤如下：1.心脏声音预处理1.1心脏声音采集心脏声音采集使用智能听诊器采集不同症状的病人的心脏心尖部声音，现采集100个人的心脏声音，这些人分为2类，一类为正常，另一类为心律不齐，各50人，他们分别采集15秒左右的10段心音，要求环境安静，操作正确。1.2音频标注对于采集而来的数据进行标注，标注为两类分别为正常和心律不齐。1.3音频分段将心脏声音切割为标准的10秒长短本文档来自技高网...

【技术保护点】
1.一种基于智能听诊器的心脏声音分类方法，其特征在于，包括如下步骤：/n步骤S1：心脏声音预处理；/n步骤S2：声音特征处理；/n步骤S3：积卷神经网络模型构建及训练；/n步骤S4：使用模型解析待测心脏声音的分类。/n

【技术特征摘要】
1.一种基于智能听诊器的心脏声音分类方法，其特征在于，包括如下步骤：
步骤S1：心脏声音预处理；
步骤S2：声音特征处理；
步骤S3：积卷神经网络模型构建及训练；
步骤S4：使用模型解析待测心脏声音的分类。


2.根据权利要求1所述的一种基于智能听诊器的心脏声音分类方法，其特征在于，步骤S1的实现依次包括如下步骤：
步骤S1.1：心脏声音采集；
步骤S1.2：音频标注；
步骤S1.3：音频分段；
其中，步骤S1.1：心脏声音采集使用智能听诊器采集不同症状的病人的心脏心尖部声音，现采集若干个人的心脏声音，这些人分为人数相同的2类，一类为正常，另一类为心律不齐，他们分别采集15秒左右的10段心音；
步骤S1.2：对于采集而来的数据进行标注，标注为两类分别为正常和心律不齐；
步骤S1.3：将心脏声音切割为标准的10秒长短的音频文件，丢弃位于音频两端的多余部分。


3.根据权利要求1所述的一种基于智能听诊器的心脏声音分类方法，其特征在于，步骤S2的实现依次包括如下步骤：
步骤S2.1：音频预处理；
步骤S2.2：快速傅里叶变换；
步骤S2.3：计算能量谱；
步骤S2.4：计算Mel滤波能量；
步骤S2.5：计算对数能量；
其中，步骤S2.1：采用公式：H(z)＝1-αz-1对音频预加重，α为加重系数，且0.9<α<1.0；
步骤S2.2：变换公式为
步骤S2.3：将频域信号以复数形式表示如下：



能量谱为：E(k)＝(ak2+bk2)；
步骤S2.4：Mel滤波器得到Mel频率为：



Mel滤波器的频率响应计算式为：



步骤S2.5：对数梅尔频谱特征计算公式如下：



最终获取到需要的特征向量。


4.根据权利要求1所述的一种基于智能听诊器的心脏声音分类方法，其特征在于，卷积神经网络模型，使用多个小卷积核进行连续多层局部感知的VGG构建模型，每一个VGG单元有多个卷...

【专利技术属性】
技术研发人员：冯海洪，高晓天，
申请(专利权)人：合肥望闻健康科技有限公司，
类型：发明
国别省市：安徽;34