【技术实现步骤摘要】
一种混合深度学习和低差异度森林的心音诊断系统
[0001]本专利技术属于智能诊断
，具体涉及一种混合深度学习和低差异度森林的心音诊断系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
[0003]心脏病是影响人类健康的重要疾病之一，对于冠心病患者以及其他心脏病患者来说，早诊断、早治疗能够有效避免病情恶化，降低死亡率。
[0004]目前，医院主流的诊断方式即通过心电图或心音对病人的心脏进行初步诊断。然而，这两种诊断方式都存在着一些问题。前者虽然数据精准易于判断，但却需要相关的专业器材；后者虽然成本较低，但是对于医生的经验水平要求较高，很多区域并不能及时配置专业器材或是经验丰富的医生，对于心脏病的正确诊断有较大影响。
[0005]部分研发人员开始利用深度学习模型进行辅助诊断，但现有模型部分存在算法本身非常复杂，网络结构庞大，部署于移动端非常困难，还有一部分存在需要基于心电图或心震图，或需要人工辅助进行判断的问题。
技术实现思路
...
【技术保护点】
【技术特征摘要】
1.一种混合深度学习和低差异度森林的心音诊断系统，其特征是：包括：预处理模块，被配置为对获取的心音信号进行预处理，对心音信号依次进行归一化、滤波和下采样处理；数据转换模块，被配置为对下采样后的数据提取音频特征，生成二阶谱数据；深度学习模块，被配置为利用训练后的深度学习模型对二阶谱数据进行特征提取；特征分类模块，被配置为对提取的特征利用训练后的低差异度森林分类器进行分类，得到分类后的诊断结果。2.如权利要求1所述的一种混合深度学习和低差异度森林的心音诊断系统，其特征是：还包括采集设备，用于采集并保存心音信号。3.如权利要求1所述的一种混合深度学习和低差异度森林的心音诊断系统，其特征是：所述深度学习模型为轻量化AOCT卷积神经网络，包括依次连接的四个以卷积层、BN层、激活函数为整体的卷积块，以及一全连接层。4.如权利要求1或3所述的一种混合深度学习和低差异度森林的心音诊断系统，其特征是：所述深度学习模型的训练过程包括获取训练数据集，对每个样本依次进行归一化、滤波和下采样，对下采样后的音频数据提取音频特征，将所有样本的二阶谱数据输入所述深度学习模型，保存训练数据集分类标签，形成存储文件，将所有特征列降维到一列，并将其存储至存储文件的最后一列，根据T列值的大小，对存储文件中的所有样本按序重新排列，将重新排列且删除T列的数据，输入至低差异度森林分类器。5.如权利要求1或3所述的一种混合深度学习和低差异度森林的心音诊断系统，其特征是：所述深度学习模型和所述低差异度森林分类器级联，所述低差异度森林...
【专利技术属性】
技术研发人员：郭亮，刘建亚，张淼，高剑雄，刘润洲，许京禹，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。