一种自动识别生理声音的系统及方法技术方案

本发明专利技术提供一种自动识别生理声音的系统，包括：收集模块，用于生理声音的收集，并将采集的生理声音转化生成代表声学振动电子信号；特征提取模块，用于从所述生理声音中提取时域特征值和频域特征值；识别分类模块，用于分类所述的时域特征值与频域特征值并识别时域特征值与频域特征值所属的至少一个类别。本发明专利技术提供自动识别生理声音的系统利用识别分类模块中预先构件的识别分类参数来对在潜在异常生理声音特征进行识别，并根据1秒钟所含异常生理声音的数量来进行生理声音类别的识别，整个过程基于算法是一种可量化及标准化的系统，并且识别的准确率高。

【技术实现步骤摘要】
一种自动识别生理声音的系统及方法
本专利技术涉及医疗识别
，尤其涉及一种自动识别生理声音的系统及方法。
技术介绍
生理声音包括心音、肺音、肠鸣音、血管回音、气管呼吸音、支气管呼吸音以及手足呼吸音等各种器官发出的声音。其中呼吸音俗称肺音，它能够反映肺部组织、气管及胸壁等传播媒介的声学特性。心脏杂音则属于心音的一种，具体指在心音与额外心音之外，在心脏收缩或舒张时血液在心脏或血管内产生湍流所致的室壁、瓣膜或血管振动所产生的异常声音，是具有不同频率、不同强度、持续时间较长的噪杂声。通过对生理声音的准确分析以及分类，可对相关疾病诊断起到重要的决定性作用。与其他检测生理声音设备相比，听诊器不仅可以直接、简便、快捷、准确有效地获取疾病信息，而且价格低廉，具有非侵入性、无放射性、可重复性等优点。因此，作为临床最常用的疾病诊断工具之一，听诊器被广泛用于辅助诊断心呼吸和血管系统等疾病。然而，目前临床普遍使用的机械听诊器存在诸多弊端，如听诊效果易受环境噪音、患者配合度以及听诊者的水平等诸多人为因素和环境因素的影响，从而使听诊结果造成偏差，甚至产生误诊，使得临床本文档来自技高网...

【技术保护点】
1.一种自动识别生理声音的系统，其特征在于，包括：/n收集模块，用于生理声音的收集，并将采集的生理声音转化生成代表声学振动电子信号；/n特征提取模块，用于从所述生理声音中提取时域特征值和频域特征值；/n识别分类模块，用于分类所述的时域特征值与频域特征值并识别时域特征值与频域特征值所属的至少一个类别。/n

【技术特征摘要】
1.一种自动识别生理声音的系统，其特征在于，包括：
收集模块，用于生理声音的收集，并将采集的生理声音转化生成代表声学振动电子信号；
特征提取模块，用于从所述生理声音中提取时域特征值和频域特征值；
识别分类模块，用于分类所述的时域特征值与频域特征值并识别时域特征值与频域特征值所属的至少一个类别。


2.根据权利要求1所述的一种自动识别生理声音的系统，其特征在于，所述收集模块是采用数字听诊器将生理声音收集，并将采集的生理声音转化生成代表声学振动电子信号。


3.根据权利要求2所述的一种自动识别生理声音的系统，其特征在于，所述生理声音包括心音、肺音、肠鸣音、血管回音、气管呼吸音、支气管呼吸音以及手足呼吸音。


4.根据权利要求3所述的一种自动识别生理声音的系统，其特征在于，所述时域特征值是通过将代表声学振动电子信号进行小波变换，从而把一个生理声音分解成若干不同频率的信号，计算不同频率信号的时域特征值而得到；而所述的频域特征值则是通过将代表声学振动电子信号进行小波变换，从而把一个生理声音分解成若干不同频率的信号，计算不同频率信号的频域特征值而得到。


5.根据权利要求4所述的一种自动识别生理声音的系统，其特征在于，所述识别分类模块则是将计算出的时域特诊值和频域特诊值作为输入，通过向量机或神经网络算法训练好的模型进行分类，并识别其为正常生理声音或异常生理声音类别。


6.根据权利要求5所述的一种自动识别生理声音的系统，其特征在于，所述生理声音为肺音，则所述识别分模块则是将计算出的时域特诊值和频域特诊值作为输入，通过向量机或神经网络算法训练好的模型进行分类，并识别其为正常肺音或水泡音类别，进而识别患者是否患有肺炎。


7.一种使用根据权利要求1至6所述系统的自动识别生理声音的方法，其特征在于，包...

【专利技术属性】
技术研发人员：赵列宾，殷勇，刘世建，董斌，张磊，顾炜珺，张静，袁加俊，罗雯懿，周宏远，曲菲，
申请(专利权)人：上海交通大学医学院附属上海儿童医学中心，上海拓萧智能科技有限公司，
类型：发明
国别省市：上海;31