一种用于呼吸音数据识别的方法、系统与设备技术方案

与现有技术相比，本申请通过一种用于呼吸音数据识别的方法，首先获取待识别呼吸音数据，接着基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待识别呼吸音数据做频域变换后获得的，然后将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。通过该方法可对呼吸音数据进行客观识别，并获得较高准确度，具有实际应用价值。

【技术实现步骤摘要】
一种用于呼吸音数据识别的方法、系统与设备
本申请涉及计算机数据
，尤其涉及一种用于呼吸音数据识别的技术。
技术介绍
呼吸音是人体呼吸系统与外界在换气运动中产生的，由于传统的听诊器的频响限制以及听诊者个体的听觉、经验、判断力等方面存在很大差异，主观性很强，从而影响了对呼吸音识别的客观性。随着计算机技术及信号处理技术的不断进步，对呼吸音数据的识别日益受到关注。特别是近年来随着深度学习网络在数据识别方面的应用，已出现利用计算机技术和深度学习网络对呼吸音数据进行识别，但在识别的准确性方面、对硬件要求方面都存在需要改善的地方。
技术实现思路
本申请的目的是提供一种用于呼吸音数据识别的方法，以改善现有技术中对呼吸音数据识别的技术问题。根据本申请的一个方面，提供了一种用于呼吸音数据识别的方法，其中，所述方法包括：获取待识别呼吸音数据；基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待识别呼吸音数据做频域变换后获得的；将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。优选地，所述获取待识别呼吸音数据包括：采集原始呼吸音数据；对所述原始呼吸音数据预处理，以获取所述待识别呼吸音数据。优选地，其中，所述对所述原始呼吸音数据预处理，以获取所述待识别呼吸音数据包括：对所述原始呼吸音数据进行降采样处理，以获得降采样后的呼吸音数据；将降采样后的呼吸音数据进行分级分解处理，获得分解后的各级数据信号；对分解后的各级数据信号进行门限滤波，并将门限滤波后的各级数据信号进行合并，以获取所述待识别呼吸音数据。优选地，其中，在对降采样后的呼吸音数据进行分级分解处理前，所述方法还包括：对降采样后的呼吸音数据进行小波基线矫正；对矫正后的呼吸音数据进行数据对齐操作。优选地，其中，所述基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据包括：将所述待识别呼吸音数据进行短时傅里叶变换，获得所述待识别呼吸音数据对应的频谱图；对所述频谱图做加窗操作，以确定与所述待识别呼吸音数据对应的特征数据。优选地，其中，所述呼吸音数据识别神经网络模型采用CNN网络结构，包括：4个卷积层；2个全连层；1个softmax分类层。根据本申请的另一方面，还提供了一种用于呼吸音数据识别的系统，其中，所述系统包括：智能听诊器设备，用于采集原始呼吸音数据，并将所述原始呼吸音数据发送至用户终端设备；用户终端设备，用于接收所述智能听诊器设备发送的原始呼吸音数据并将所述原始呼吸音数据发送至服务器；服务器，用于基于所述原始呼吸音数据，确定所述原始呼吸音数据是否包含杂音数据。优选地，其中，所述服务器包括：第一装置，用于基于所述原始呼吸音数据，获取待识别呼吸音数据；第二装置，用于基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据；第三装置，用于将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。优选地，所述第一装置包括：第一单元，用于对所述原始呼吸音数据进行降采样处理，获得降采样后的呼吸音数据；第二单元，用于将降采样后的呼吸音数据进行分级分解处理，获得分解后的各级数据信号；第三单元，用于对分解后的各级数据信号进行门限滤波，并将门限滤波后的各级数据信号进行合并，以获得所述待识别呼吸音数据。优选地，其中，在所述第二单元之前，所述第一装置还包括：第四单元，用于对降采样后的呼吸音数据进行小波基线矫正；第五单元，用于对矫正后的呼吸音数据进行数据对齐操作。优选地，其中，所述第二装置还包括：第六单元，用于将所述待识别呼吸音数据进行短时傅里叶变换，获得所述待识别呼吸音数据对应的频谱图；第七单元，用于对所述频谱图做加窗操作，以确定与所述待识别呼吸音数据对应的特征数据。与现有技术相比，本申请通过一种用于呼吸音数据识别的方法，首先获取待识别呼吸音数据，接着基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待识别呼吸音数据做频域变换后获得的，然后将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。通过该方法可对呼吸音数据进行客观识别，并获得较高准确度，具有实际应用价值。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1示出根据本申请一个方面的一种用于呼吸音数据识别的方法流程图；图2示出一个正常呼吸音数据波形示意图；图3示出一个异常呼吸音数据波形示意图；图4示出根据本申请一个方面的一个优选实施例的呼吸音神经网络模型的网络架构示意图；图5示出根据本申请另一个方面一种用于呼吸音数据识别的系统示意图；附图中相同或相似的附图标记代表相同或相似的部件。具体实施方式下面结合附图对本专利技术作进一步详细描述。在本申请一个典型的配置中，系统各装置或者模块以及可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flashRAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。为更进一步阐述本申请所采取的技术手段及取得的效果，下面结合附图及优选实施例，对本申请的技术方案，进行清楚和完整的描述。图1示出本申请一个方面的一种用于呼吸音数据识别的方法流程图，其中，一个实施例的方法包括：S11获取待识别呼吸音数据；S12基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待本文档来自技高网...

【技术保护点】
1.一种用于呼吸音数据识别的方法，其特征在于，所述方法包括：/n获取待识别呼吸音数据；/n基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待识别呼吸音数据做频域变换后获得的；/n将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。/n

【技术特征摘要】
1.一种用于呼吸音数据识别的方法，其特征在于，所述方法包括：
获取待识别呼吸音数据；
基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据，其中，所述特征数据是对所述待识别呼吸音数据做频域变换后获得的；
将所述特征数据输入训练好的呼吸音数据识别神经网络模型，以通过所述神经网络模型识别所述待识别呼吸音数据中是否包含有杂音数据。


2.根据权利要求1所述的方法，其特征在于，所述获取待识别呼吸音数据包括：
采集原始呼吸音数据；
对所述原始呼吸音数据预处理，以获取所述待识别呼吸音数据。


3.根据权利要求2所述的方法，其特征在于，所述对所述原始呼吸音数据预处理，以获取所述待识别呼吸音数据包括：
对所述原始呼吸音数据进行降采样处理，以获得降采样后的呼吸音数据；
将降采样后的呼吸音数据进行分级分解处理，获得分解后的各级数据信号；
对分解后的各级数据信号进行门限滤波，并将门限滤波后的各级数据信号进行合并，以获取所述待识别呼吸音数据。


4.根据权利要求3所述的方法，其特征在于，在对降采样后的呼吸音数据进行分级分解处理前，所述方法还包括：
对降采样后的呼吸音数据进行小波基线矫正；
对矫正后的呼吸音数据进行数据对齐操作。


5.根据权利要求1至4任一项所述的方法，其特征在于，所述基于所述待识别呼吸音数据，确定与所述待识别呼吸音数据对应的特征数据包括：
将所述待识别呼吸音数据进行短时傅里叶变换，获得所述待识别呼吸音数据对应的频谱图；
对所述频谱图做加窗操作，以确定与所述待识别呼吸音数据对应的特征数据。


6.根据权利要求1所述的方法，其特征在于，所述呼吸音数据识别神经网络模型采用CNN网络结构，包括：
4个卷积层；
2个全连层；
1个softmax分类层。


7.一种用于呼吸音数据识别的系统，其特征在于，所述系统包括：
智能听诊器设备，用于采集原始呼吸音数据，并将所述原始呼吸音数据发送至用户终端设备；

【专利技术属性】
技术研发人员：雷浩，任泽华，
申请(专利权)人：上海宜硕网络科技有限公司，
类型：发明
国别省市：上海;31