一种智能阵列传感器电子听诊系统技术方案

本发明专利技术公开了一种智能阵列传感器电子听诊系统，包括用于采集心肺音的阵列式传感器分布的拾音采集和信号处理系统；具有人工智能模式识别、心肺音图三维图形化显示以及链接远程“云”服务器功能的心肺音智能检测系统；以及具有深度学习模型训练和大数据计算能力的远程云服务器系统。本发明专利技术可以同步采集身体各部位的心肺音；具有主动降噪功能，信号质量较传统的电子听诊器高；采用共振腔结构的听诊头进行拾音，使听诊效果达到最佳并使心肺音的信噪比提高；利用声源定位算法，实现三维心肺状态实时显示；采用“人工智能+大数据”方法，使得随着使用本系统的人数增加，采集样本数量的增加，系统模型的自学习功能会让心肺状态分类模型越来越精确。

【技术实现步骤摘要】
一种智能阵列传感器电子听诊系统
本专利技术属于智慧医疗、移动健康设备领域，特别涉及一种智能阵列传感器智能电子听诊系统。
技术介绍
2020年年初爆发的“新冠肺炎”，对人民群众的身体健康带来了巨大的威胁，给国民经济发展也带来了巨大的影响。如果患者能够在家中，在患病初期就能通过智能听诊设备对身体健康状况(尤其是心肺功能)做出初步判断，并且医生能够采用无接触、远程的方式对智能听诊设备判断结果进行复核确认，以对患者的身体状况做出评估，从而进行有针对性地治疗。那么将大大避免医疗资源浪费，且有效避免患者由于出行、到院诊察等环节产生的交叉传染危险。听诊器是医生对患者进行听诊时使用的重要医疗器械，通过听诊医生可以根据人体内自行发出声音的特性与变化(如声音的频率高低、强弱、间隔时间、音杂等)来诊断相关脏器有无病变。传统的听诊器由振膜、共振腔和导音管组成。传统听诊器虽然得到了广泛应用，但存在以下缺点：1.由于放大作用有限，难以获得较弱的体内生理信号；2.由于缺少有效滤波，易受外界噪声的干扰；3.需要由经过专业训练的医生寻找听诊位置，判断结果易受操作者主管因素的影响。因此，上述因素往往导致无法通过听诊得到对患者疾病的准确判断，从而影响对患者的准确治疗。近年来随着信息技术的发展，听诊器逐渐向电子化和数字化发展。常见的电子听诊器通常为基于ZigBee协议的无线电子听诊器(申请号201711031563.7)或者基于蓝牙通讯协议的电子听诊器(申请号201830372127.5)，但这些电子听诊器的听诊输出设备也存在一下缺点：1、只能在听诊输入设备周围100m范围内使用，无法实现本地智能诊断和将听诊数据进行远距离传输至服务器实现远程诊断；2、在听诊方式上目前大多数电子听诊器仍需要操作者进行多点、分时、重复测量，对于普通用户来讲，很难将听诊器放置到准确的测量位置，从而影响听诊数据的准确性。
技术实现思路
针对传统听诊器的如下缺陷：1)使用复杂，需要专业人士操作，且需要多个点位进行分时、重复测量；2)受外界环境噪声影响大，难以听到微弱的心肺杂音；3)传统听诊器的共振腔设计是为了满足人耳蜗的灵敏度，而不是满足麦克风的灵敏度的，使采集到的心肺音失真；4)对听诊结果的判断依赖于医生的听诊经验，往往会误诊、漏诊；5)无法远程使用，医生与患者需要直接接触，易产生病毒的交叉感染；6)无法以三维图形化的方式直观的看到心肺音发出的位置；7)无法对听诊信息进行远程存储，无有效的应用于智慧医疗的诊疗信息管理方法，本专利技术提出了一种智能阵列传感器智能电子听诊系统，具体包括三个子系统：用于采集患者心肺音的阵列式传感器分布的拾音采集和信号处理系统；作为系统控制中心，具有人工智能模式识别、心肺音图三维图形化显示以及链接远程“云”服务器功能的心肺音智能检测系统；以及具有深度学习模型训练和大数据计算能力的远程“云”服务器系统。本专利技术提供了一种智能阵列传感器电子听诊系统，包括拾音采集和信号处理系统、心肺音智能检测系统以及远程云服务器系统；所述心肺音智能检测系统包括智能终端以及心肺音智能检测App；所述拾音采集和信号处理系统包括可穿戴设备以及均设置在所述可穿戴设备上的多个拾音传感器、多个环境音麦克风以及主控机；所述多个拾音传感器阵列式排布在所述可穿戴设备上，以用于同时采集不同区域的心肺音数据；所述多个环境音麦克风用于采集环境噪声数据，各环境音麦克风包括环境噪声传感器和围绕在所述环境噪声传感器周围的扬声器；所述主控机用于对采集到的心肺音数据进行滤波，并基于采集到的环境噪声数据对心肺音数据进行降噪处理，同时将处理后的心肺音数据传输至智能终端以便在智能终端上进行识别诊断并显示结果，或者通过智能终端的网络功能将处理后的心肺音数据传输至远程云服务器系统；所述心肺音智能检测系统配置成利用基于声达时间差的声源定位算法获得处理后的心肺音数据的声源位置，并以三维图形化形式实时呈现心肺状态；所述远程云服务系统配置成通过对大量心肺音数据进行训练和学习，获得深度学习模型，并且实现处理后的心肺音数据的播放以及波形显示；所述心肺音智能检测系统通过智能终端的网络功能从远程云服务器系统获取深度学习模型，并基于深度学习模型对处理后的心肺音数据分类，实现本地诊断，并将处理后的心肺音数据和诊断结果传输至所述远程云服务器系统进行保存，实现训练数据的实时更新。进一步，各环境音麦克风包括圆形环境噪声传感器和环形扬声器，所述环形扬声器包裹在所述圆形环境噪声传感器的外侧。进一步，所述可穿戴设备具有马甲式外观，所述多个拾音传感器在所述可穿戴设备的心肺音重点区域高密度阵列式排布，在心肺音非重点区域低密度阵列式排布。进一步，所述拾音采集和信号处理系统利用具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理，具体过程如下：S1：用户穿戴好可穿戴设备后，智能终端的主控芯片运行自标定程序，控制K个扬声器分别产生频率为fi,i＝1,2,…,K的正弦波标定信号，各扬声器同步播放S秒；S2：K个环境噪声传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中取围绕在各自周围的扬声器所产生频率为fi的正弦波标定信号的幅值Vi；S3：M个拾音传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中得到频率为fi的正弦波标定信号分别的幅值，其中，拾音传感器j,j＝1,2,…,M从幅度谱中得到频率为fi的正弦波标定信号幅值为Vji，i＝1,2,…,K；S4：计算获得各拾音传感器与K个环境噪声传感器之间的噪声传递系数之后所述电子听诊系统进入听诊状态，各拾音传感器采集到包含有环境噪声的心肺音信号，将此心肺音信号减去各环境噪声传感器和对应噪声传递系数相乘的结果，得到主动降噪后的心肺音信号。进一步，各拾音传感器包括微型共振音腔、麦克风和填充至所述微型共振音腔中的置换气体，所述置换气体用于调节微型共振音腔中的声速，进而与微型共振音腔共同实现谐振频率的调节。进一步，所述微型共振音腔包括顶部振动膜和底部振动膜，各拾音传感器的共振音腔参数和共振频率f的关系为：其中，u为声速；r和d分别为共振音腔的底部振动膜的半径和直径；L为顶部振动膜和底部振动膜之间的垂直距离；V为微型共振音腔的体积。进一步，所述主控机包括信号预处理电路、多路并行模数转换芯片、FPGA处理器、WiFi模块、SDRAM数据缓存模块、本地存储模块、数模转换器、可充电锂电池以及电源管理电路、可拓展传感器接口电路；所述信号预处理电路用于将各拾音传感器的采集数据进行一分二并行滤波，分别得到滤波后的心音信号和滤波后的肺音信号；所述多路并行模数转换芯片用于将滤波后的心音信号和滤波后的肺音信号以及同步采集到的环境噪声数据进行转换，得到数字信号；所述FPGA处理器用于并行、高速的同时对多路并行模数转换芯片、WiFi模块、DAC模块以及可拓展传感器接口电路进行驱动，并且运行具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理；所述DAC模块用于对扬声器进行驱动，实本文档来自技高网...

【技术保护点】
1.一种智能阵列传感器电子听诊系统，其特征在于，包括拾音采集和信号处理系统、心肺音智能检测系统以及远程云服务器系统；所述心肺音智能检测系统包括智能终端以及心肺音智能检测App；/n所述拾音采集和信号处理系统包括可穿戴设备以及均设置在所述可穿戴设备上的多个拾音传感器、多个环境音麦克风以及主控机；所述多个拾音传感器阵列式排布在所述可穿戴设备上，以用于同时采集不同区域的心肺音数据；所述多个环境音麦克风用于采集环境噪声数据，各环境音麦克风包括环境噪声传感器和围绕在所述环境噪声传感器周围的扬声器；所述主控机用于对采集到的心肺音数据进行滤波，并基于采集到的环境噪声数据对心肺音数据进行降噪处理，同时将处理后的心肺音数据传输至智能终端以便在智能终端上进行识别诊断并显示结果，或者通过智能终端的网络功能将处理后的心肺音数据传输至远程云服务器系统；/n所述心肺音智能检测系统配置成利用基于声达时间差的声源定位算法获得处理后的心肺音数据的声源位置，并以三维图形化形式实时呈现心肺状态；所述远程云服务系统配置成通过对大量心肺音数据进行训练和学习，获得深度学习模型，并且实现处理后的心肺音数据的播放以及波形显示；/n所述心肺音智能检测系统通过智能终端的网络功能从远程云服务器系统获取深度学习模型，并基于深度学习模型对处理后的心肺音数据分类，实现本地诊断，并将处理后的心肺音数据和诊断结果传输至所述远程云服务器系统进行保存，实现训练数据的实时更新。/n...

【技术特征摘要】
1.一种智能阵列传感器电子听诊系统，其特征在于，包括拾音采集和信号处理系统、心肺音智能检测系统以及远程云服务器系统；所述心肺音智能检测系统包括智能终端以及心肺音智能检测App；
所述拾音采集和信号处理系统包括可穿戴设备以及均设置在所述可穿戴设备上的多个拾音传感器、多个环境音麦克风以及主控机；所述多个拾音传感器阵列式排布在所述可穿戴设备上，以用于同时采集不同区域的心肺音数据；所述多个环境音麦克风用于采集环境噪声数据，各环境音麦克风包括环境噪声传感器和围绕在所述环境噪声传感器周围的扬声器；所述主控机用于对采集到的心肺音数据进行滤波，并基于采集到的环境噪声数据对心肺音数据进行降噪处理，同时将处理后的心肺音数据传输至智能终端以便在智能终端上进行识别诊断并显示结果，或者通过智能终端的网络功能将处理后的心肺音数据传输至远程云服务器系统；
所述心肺音智能检测系统配置成利用基于声达时间差的声源定位算法获得处理后的心肺音数据的声源位置，并以三维图形化形式实时呈现心肺状态；所述远程云服务系统配置成通过对大量心肺音数据进行训练和学习，获得深度学习模型，并且实现处理后的心肺音数据的播放以及波形显示；
所述心肺音智能检测系统通过智能终端的网络功能从远程云服务器系统获取深度学习模型，并基于深度学习模型对处理后的心肺音数据分类，实现本地诊断，并将处理后的心肺音数据和诊断结果传输至所述远程云服务器系统进行保存，实现训练数据的实时更新。


2.根据权利要求1所述的电子听诊系统，其特征在于，各环境音麦克风包括圆形环境噪声传感器和环形扬声器，所述环形扬声器包裹在所述圆形环境噪声传感器的外侧。


3.根据权利要求1所述的电子听诊系统，其特征在于，所述可穿戴设备具有马甲式外观，所述多个拾音传感器在所述可穿戴设备的心肺音重点区域高密度阵列式排布，在心肺音非重点区域低密度阵列式排布。


4.根据权利要求1所述的电子听诊系统，其特征在于，所述拾音采集和信号处理系统利用具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理，具体过程如下：
S1：用户穿戴好可穿戴设备后，智能终端的主控芯片运行自标定程序，控制K个扬声器分别产生频率为fi,i＝1,2,…,K的正弦波标定信号，各扬声器同步播放S秒；
S2：K个环境噪声传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中取围绕在各自周围的扬声器所产生频率为fi的正弦波标定信号的幅值Vi；
S3：M个拾音传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中得到频率为fi的正弦波标定信号分别的幅值，其中，拾音传感器j,j＝1,2,…,M从幅度谱中得到频率为fi的正弦波标定信号幅值为Vji，i＝1,2,…,K；
S4：计算获得各拾音传感器与K个环境噪声传感器之间的噪声传递系数之后所述电子听诊系统进入...

【专利技术属性】
技术研发人员：郑德智，那睿，李大鹏，王帅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11