一种心音分类方法技术

本发明专利技术公开了一种心音分类方法，包括以下步骤：S1、心肺音分离子网预训练；S2、梅尔频谱等效子网预训练；S3、心音分类子网预训练；S4、对各子网进行知识蒸馏,联合训练紧凑的端到端的心音分类网络；S5、利用紧凑的心音分类网络对听诊的混合信号x∈R

【技术实现步骤摘要】
一种心音分类方法
本专利技术涉及心音分类的
，尤其涉及到一种心音分类方法。
技术介绍
心音异常检测是对心脏疾病进行初筛的一种有效、简便的方法。近年来，基于深度学习的异常心音检测方法取得了良好的精度，但是在临床实用中尚存在两个问题：(1)只能处理比较干净的心音，无法有效抵御体内伪迹(比如呼吸音)的干扰，心音检测模型的鲁棒性不足。即使采用带通滤波、小波去噪等预处理手段，也难以完全分离在时域和频域都有混叠的心音和肺音，而且预处理参数依赖人工设定，无法适应具有个体差异和时变差异的心肺音信号。(2)需要先将心音信号转为梅尔频谱图保存，再将梅尔频谱图导入到网络模型中，涉及两次I/O操作，不仅严重降低了计算效率，消耗存储资源，而且无法实现端到端的优化，不能学习比梅尔频谱更利于异常心音检测的特征。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种能减少心音信息量的丢失、更具有鲁棒性、计算效率及准确率高的心音分类方法。为实现上述目的，本专利技术所提供的技术方案为：一种心音分类方法，包括以下步骤：...

【技术保护点】
1.一种心音分类方法，其特征在于，包括以下步骤：/nS1、心肺音分离子网预训练：采用预先搜集的肺音信号对干净的心音，按照不同的能量比进行污染，生成混合信号x∈R

【技术特征摘要】
1.一种心音分类方法，其特征在于，包括以下步骤：
S1、心肺音分离子网预训练：采用预先搜集的肺音信号对干净的心音，按照不同的能量比进行污染，生成混合信号x∈R1×L，划分训练集和测试集；并将训练集中的混合信号输入到心肺音分离子网进行预训练，以最大化心肺音估计的信噪比作为目标函数，采用梯度下降法进行优化，获得心肺音分离子网的初始参数；
S2、梅尔频谱等效子网预训练：将训练集中干净的心音xc∈R1×L以及相应梅尔频谱特征输入到梅尔频谱等效子网进行预训练，以最小化均方误差作为目标函数，采用梯度下降法进行优化，获得梅尔频谱等效子网的初始参数；
S3、心音分类子网预训练：将训练集中干净的心音xc∈R1×L输入到心音分类子网进行预训练，以最小化交叉熵作为目标函数，采用梯度下降法进行优化，获得心音分类子网的初始参数；
S4、使用卷积神经网络和长短时记忆神经网络搭建紧凑的心肺音分离子网，使用长短时记忆神经网络搭建紧凑的梅尔等效频谱子网，使用卷积神经网络搭建紧凑的心音分类子网；对心肺音分离子网、梅尔频谱等效子网、心音分类子网，进行知识蒸馏,联合训练紧凑的端到端的心音分类网络；
S5、通过知识蒸馏后的紧凑的心音分类网络对测试集中听诊的混合信号x∈R1×L进行心音分类，最后得出心音的分类结果。


2.根据权利要求1所述的一种心音分类方法，其特征在于，所述步骤S2的具体过程如下：
S2-1、将心音信号xc∈R1×L转为梅尔频谱图y∈RM×K×3，(M＝K＝128)作为梅尔频谱等效网络的标签，同时将时域心音信号xc∈R1×L进行短时傅里叶变换，如公式(2)所示：



上式中，xc∈R1×L为一维时域信号，w为长度为N的窗函数，S表示信号x的移动步长，t＝0,…,T-1表示时间帧序号，f＝0,…,N/2表示频段序号，N表示傅里叶变换长度；经过短时傅里叶变换得到的是复时频谱矩阵X，包含实部和虚部；
将复时频谱矩阵X代入公式(3)进行取模操作得到时频模



S2-2、利用梅尔刻度滤波器组将线性频谱映射到基于听觉感知的梅尔非线性频谱中；
从赫兹频率转换到梅...

【专利技术属性】
技术研发人员：吕俊，张财宝，杨其宇，谢胜利，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44