智能电子听诊控制系统、方法、存储介质、电子听诊器技术方案

本发明专利技术属于听诊器技术领域，公开了一种智能电子听诊控制系统、方法、存储介质、电子听诊器，启动硬件电路，待运行稳定后选择对应的串口并打开，同时开启心音波形的实时显示功能；人机界面上端的图形框中将会实时显示接收到的心音数据；采集结束后，停止数据采集，同时将调用心动周期分割算法，对采集到的数据进行单心动周期分割处理，分割完成后将提取该心动周期的MFCC特征参数；提取完成后，将把MFCC特征送入DBN深度学习神经网络中进行心音的智能分类识别，识别完成后单心动周期分割结果、MFCC特征参数提取结果以及心音识别分类结果将分别显示于人机界面中，并将数据以TXT及WAV格式进行保存。本发明专利技术能够提供心音采集与智能识别功能，为智慧医疗提供数据支持。为智慧医疗提供数据支持。为智慧医疗提供数据支持。

【技术实现步骤摘要】
智能电子听诊控制系统、方法、存储介质、电子听诊器


[0001]本专利技术属于听诊器
，尤其涉及一种智能电子听诊控制系统、方法、存储介质、电子听诊器。

技术介绍

[0002]心血管疾病的潜伏期长、发病突然，严重危害国民健康。传统心血管疾病筛查多依赖于心电图、血常规、CT等常规医疗方式，由于中国区域医疗发展不均衡，医疗条件参差不齐，导致欠发达地区患者无法在第一时间获得较为准确的诊断。
[0003]为解决区域医疗水平差异问题，最好的方法是引入智能化医疗设备，仅需要医护人员具备基础的专业能力就可以在智能医疗设备的辅助下对病人的病情做出较为准确的判断与治疗。随着数字技术的进步，特别是近年来深度学习与大数据技术的迅速发展，使得使用数字手段处理、识别人体生理信号，从而辅助传统医疗方式对病人的心血管疾病做出诊断成为可能。深度学习在图像识别、声音识别等方面都表现出巨大的性能优势，但其需要极为庞大的数据量作为支撑。相较于传统的图像与自然语言，心音数据资源极为匮乏，互联网上能够使用的心音数据寥寥无几，且目前市面上大部分的电子听诊器仅作为传统听诊器的数字改良版，不能够为基于深度学习的心音识别研究提供够足够的数据支持，故急需提出一种基于深度学习的智能处理电子听诊器，不仅能够完成心音的采集、处理、特征提取等工作，还能在完成基础功能的同时，进一步结合深度学习实现病理心音智能分类识别，为心音识别的大数据研究积累数据，推动智慧医疗相关研究，最终解决区域医疗水平不均衡、依赖人工诊疗等问题，为患者提供智能化、高质量的医疗服务。
[0004]通过上述分析，现有技术存在的问题及缺陷为：
[0005](1)目前的电子听诊器，不能够为基于深度学习的心音识别研究提供够足够的数据支持，无法完成心音的采集、处理、特征提取等工作，不能解决区域医疗水平不均衡、依赖人工诊疗等问题
[0006]解决以上问题及缺陷的难度为：市场上多数的电子听诊器仅为传统物理听诊器的电子升级版，仅能够解决传统物理听诊器低频响应差等问题，未能将患者心音信号与大数据技术以及机器学习算法结合起来，不能形成一套从前端数据采集到后端数据存储与分析的完整心音处理系统。由于缺乏上述的心音处理系统，使得心音数据无法以大数据的形式在互联网上进行有效的共享，阻碍了基于心音识别的相关研究，特别是基于深度学习的心音识别研究。
[0007]解决以上问题及缺陷的意义为：通过设计一种囊括从前端数据采集到后端数据存储于分析的完整心音处理系统，即本专利技术所提出的一种智能处理电子听诊器，能够有效解决上述缺陷，进而促进以大数据技术与深度学习为核心技术的智能医疗技术的发展，从而有效降低当前全国各地因为经济发展不均衡、区域发展不同步所带来的医疗资源分布不均问题，其中包括医疗设备的不均以及医生水平的不均。通过本专利技术的使用与推广，可使得医疗发展落后地区不需要采购最先进的医疗设备，招聘最优秀的医生，也可使当地的患者享
受到最优质的医疗服务，提升其医疗服务体验，推动全国人民共享经济与技术发展的红利。

技术实现思路

[0008]针对现有技术存在的问题，本专利技术提供了一种智能电子听诊控制系统、方法、存储介质、电子听诊器。
[0009]本专利技术是这样实现的，一种智能电子听诊控制方法，所述智能电子听诊控制方法包括：
[0010]启动硬件电路，待运行稳定后选择对应的串口并打开，同时开启心音波形的实时显示功能；人机界面上端的图形框中将会实时显示接收到的心音数据；
[0011]采集结束后，停止数据采集，同时将调用心动周期分割算法，对采集到的数据进行单心动周期分割处理，分割完成后将提取该心动周期的MFCC特征参数；
[0012]提取完成后，将把MFCC特征送入DBN网络中进行分类识别，识别完成后单心动周期分割结果、MFCC特征参数提取结果以及心音识别分类结果将分别显示于人机界面中，并将数据以TXT及WAV格式进行保存。
[0013]进一步，所述智能电子听诊控制方法采用压电传感器与高精度ADC构成心音数据采集模块，以保证硬件电路的高效控制及心音高精度采集；数据采集完成后，通过串口发送至上位机，在上位机中进行处理；数据处理部分采用MATLAB进行编程，并使用MATLAB GUI编写测试界面；在测试界面中显示实时心音波形、单心动周期分割结果、MFCC特征提取结果以及心音识别结果。
[0014]进一步，所述智能电子听诊控制方法使用高精度压电传感器采集原始心音信号，由于压电传感器输出的原始信号幅值较小，为微弱电信号，通过放大电路对原始信号进行放大；采用以电压跟随器、抗混叠滤波器、正向放大电路组成信号调理电路，对原始信号进行处理，使用电压跟随器增大输入电阻、减小输出电阻，然后将信号送入抗混叠滤波器；最后将信号接入正向放大电路，调整放大倍数与直流偏置，使其幅值满足模数转换芯片要求；信号调理完成后，使用模数转换芯片进行离散采集，使模拟信号转化为MCU能够识别的数字信号，最后将数据打包并通过MCU的串口发送至上位机。
[0015]进一步，所述智能电子听诊控制方法上位机接收到数据后，首先需要将有效数据从数据包中提取出来，检测接收到的数据是否为2个字节的帧头，若是，则将后续接收到的数据存入对应的数据缓冲区，直到检测到帧尾；若接收到的数据不为帧头，则继续检测，等待帧头数据；一个数据包接收完成后，将数据缓冲区中的数据依次整合成18位的原始数据；截取原始信号的中间稳定部分作为单心动周期分割算法的数据，选取原始信号的中点，由中点往两侧各选取35000个采样点作为样本数据；选择使用sym5小波基进行5层分解滤波，滤除信号中的高频噪声。
[0016]进一步，所述智能电子听诊控制方法信号预处理完成后调用算法对该数据进行处理，首先需计算出样本信号中的频率信息，再根据采样率与信号频率计算出单个心动周期中所包含的采样点数，最后选定样本中的最大值即某个心动周期的峰值点，取单周期样本点数，提取出样本信号的单心动周期，心音函数模型H(t)：
[0017][0018]模型中H(t)为心音产生系统的响应函数，h1为S1，由心室收缩、血液冲击房室瓣而折返产生的心室壁振动以及房室瓣膜关闭引起的振动产生，h2(x-n1)为S2，为心室舒张开始时，主动脉瓣和肺动脉瓣突然关闭所引起的振动信号，h3(x-n2)为S3，是由于血流冲击心室产生，h4(x-n3)为S4，S4的产生与心房收缩有关，频率较低，其中n
i
(i＝1、2、3)代表其对应的心音在单心动周期中出现的延时时间，ω(t)为肌肉、骨骼、脂肪产生的回音以及其他噪声；A(x+T)为心音产生系统的激励信号，即当A(x)有效时，心脏搏动产生一次心音H(t)，T为周期，计算出A(x)的周期T或者频率F即可根据采样频率Fs与周期T计算出单周期内的采样点数，完成单心动周期分割，完成后将对单心动周期心音信号进行MFCC特征提取并将所提取的特征值归一化后送入预先训练好的DBN神经网络中进行识别，最终完成心音的识别与分类功能。
[0019]进一步包括：
...

【技术保护点】

【技术特征摘要】
1.一种智能电子听诊控制方法，其特征在于，所述智能电子听诊控制方法包括：启动硬件电路，待运行稳定后选择对应的串口并打开，同时开启心音波形的实时显示功能；人机界面上端的图形框中将会实时显示接收到的心音数据；采集结束后，停止数据采集，同时将调用心动周期分割算法，对采集到的数据进行单心动周期分割处理，分割完成后将提取该心动周期的梅尔频率倒谱系数MFCC特征参数；提取完成后，将把MFCC特征送入深度信任网络DBN中进行识别，识别完成后单心动周期分割结果、MFCC特征参数提取结果以及心音识别分类结果将分别显示于人机界面中，并将数据以TXT及WAV格式进行保存。2.如权利要求1所述的智能电子听诊控制方法，其特征在于，所述智能电子听诊控制方法采用压电传感器与高精度ADC构成心音数据采集模块，以保证硬件电路的高效控制及心音高精度采集；数据采集完成后，通过串口发送至上位机，在上位机中进行处理；数据处理部分采用MATLAB进行编程，并使用MATLAB GUI编写测试界面；在测试界面中显示实时心音波形、单心动周期分割结果、MFCC特征提取结果以及心音识别结果。3.如权利要求1所述的智能电子听诊控制方法，其特征在于，所述智能电子听诊控制方法使用高精度压电传感器采集原始心音信号，由于压电传感器输出的原始信号幅值较小，为微弱电信号，故通过放大电路对原始信号进行放大；采用以电压跟随器、抗混叠滤波器、正向放大电路组成信号调理电路，对原始信号进行处理，使用电压跟随器增大输入电阻、减小输出电阻，然后将信号送入抗混叠滤波器；最后将信号接入正向放大电路，调整放大倍数与直流偏置，使其幅值满足模数转换芯片要求；信号调理完成后，使用模数转换芯片进行离散采集，使模拟信号转化为MCU能够识别的数字信号，最后将数据打包并通过MCU的串口发送至上位机。4.如权利要求1所述的智能电子听诊控制方法，其特征在于，所述智能电子听诊控制方法上位机接收到数据后，首先需要将有效数据从数据包中提取出来，检测接收到的数据是否为2个字节的帧头，若是，则将后续接收到的数据存入对应的数据缓冲区，直到检测到帧尾；若接收到的数据不为帧头，则继续检测，等待帧头数据；一个数据包接收完成后，将数据缓冲区中的数据依次整合成18位的原始数据；截取原始信号的中间稳定部分作为单心动周期分割算法的数据，选取原始信号的中点，由中点往两侧各选取35000个采样点作为样本数据；选择使用sym5小波基进行5层分解滤波，滤除信号中的高频噪声。5.如权利要求4所述的智能电子听诊控制方法，其特征在于，所述智能电子听诊控制方法信号预处理完成后调用算法对该数据进行处理，首先需计算出样本信号中的频率信息，再根据采样率与信号频率计算出单个心动周期中所包含的采样点数，最后选定样本中的最大值即某个心动周期的峰值点，取单周期样本点数，提取出样本信号的单心动周期，心音函数模型H(t)：模型中H(t)为心音产生系统的响应函数，h1为S1，由心室收缩、血液冲击房室瓣而折返产生的心室壁振动以及房室瓣膜关闭引起的振动产生，h2(x-n1)为S2，为心室舒张开始时，主动脉瓣和肺动脉瓣突然关闭所引起的振动信号，h3(x-n2)为S3，是由于血流冲击心室产生，h4(x-n3)为S4，S4的产生与心房收缩有关，频率较低，其中n
i
(i＝1、2、3)代表其对应的心
音在单心动周期中出现的延时时间，ω(t)为肌肉、骨骼、脂肪产生的回音以及其他噪声；A(x+T)为心音产生系统的激励信号，即当A(x)有效时，心脏搏动产生一次心音H(t)，T为周期，计算出A(x)的周期T或者频率F即可根据采样频率Fs与周期T计算出单周期内的采样点数，完成单心动周期分割，完成后将对单心动周期心音信号进行MFCC特征提取并将所提取的特征值归一化后送入预先训练好的DBN神经网络中进行识别，最终完成心音的识别与分类功能。6.如权利要求5所述的智能电子听诊控制方法，其特征在于，进一步包括：1)首先去除样本信号中的直流分量，得到无直流偏置心音信号，对无直流偏置心音信号做希尔伯特变换，得到信号上包络；2)对原始信号和其...

【专利技术属性】
技术研发人员：张荣芬，李昊宇，刘宇红，
申请(专利权)人：贵州大学，
类型：发明
国别省市：