一种基于深度学习的心音自动诊断系统技术方案

本发明专利技术公开了一种基于深度学习的心音自动诊断系统，属于医学信号处理领域，包括心音信号处理模块，用于对心音信号进行预处理，并将预处理后的心音信号分割成多个等长的心音信号片段；心音检测模块用于将所得心音信号片段分别输入到预训练好的心音检测模型中，得到每个心音信号片段的心音类别；综合各心音信号片段的心音类别，得到待测心音信号的心音类别；本发明专利技术提供了一种心音检测模型端到端对心音信号进行自动检测，通过将LSTM提取的多层次时序特征与CNN提取的局部特征相结合，充分利用CNN局部特征提取能力与LSTM长期依赖性捕获能力的优势，大大提高了分类精度。大大提高了分类精度。大大提高了分类精度。

【技术实现步骤摘要】
一种基于深度学习的心音自动诊断系统


[0001]本专利技术属于医学信号处理领域，更具体地，涉及一种基于深度学习的心音自动诊断系统。

技术介绍

[0002]心脏病已成为威胁人类健康的头号杀手，每年大约有1700万人死于心脏病，心脏病的早期诊断对于降低其死亡率至关重要。心音(PCG)是心脏及心血管系统机械运动产生的声音，其中包含心血管疾病早期病理信息，已被证明能有效发现潜在的早期心血管疾病。目前，临床医生主要通过传统听诊器辨识心音，诊断结果的准确性极大依赖医生个人经验。同时，许多国家医生资源严重不足，心音作为小型诊所或者家庭使用的心脏病初步筛选手段，研究一种自动分析与诊断的心音诊断系统存在重要意义。
[0003]现有的心音自动诊断技术大多包含心动周期分割、特征提取、人工智能算法分类三部分。首先通过基于逻辑回归的隐马尔可夫模型将心音信号分割成一个个完整的心动周期以对齐心动周期起点；然后，对心动周期特征进行手动提取后送至传统的机器学习模型或者深度学习模型进行分类；其分类性能很大程度上取决于特征提取的效果，而手工提取的心动周期特征主要基于学者对心本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的心音自动诊断系统，其特征在于，包括：心音信号处理模块，用于对心音信号进行预处理，并将预处理后的心音信号分割成多个等长的心音信号片段；心音检测模块，用于将所得心音信号片段分别输入到预训练好的心音检测模型中，得到每个心音信号片段的心音类别；综合各心音信号片段的心音类别，得到待测心音信号的心音类别；其中，所述心音检测模型包括：m个级联的CNN块，用于对心音信号片段进行不同深度的卷积运算及下采样处理，得到心音信号片段多个不同深度和层次的局部特征；m≥3；n个LSTM，分别与前m
‑
1级CNN块中的任意n个CNN块的输出端一一对应相连，用于分别提取所连接的n个CNN块输出的局部特征的时序信息，得到心音信号片段的n个不同层次的时序特征；1<n<m；拼接层，与第m级CNN块的输出端以及n个LSTM的输出端相连，用于将第m级CNN块输出的局部特征以及n个LSTM输出的时序特征进行拼接；分类层，与所述拼接层的输出端相连，用于将上一级输入的特征映射成对应的心音分类概率，从而得到心音信号片段的心音类别。2.根据权利要求1所述的心音自动诊断系统，其特征在于，还包括训练模块，用于将预采集到的训练集中的各心音信号分别输入到所述心音信号处理模块中，得到各心音信号的各心音信号片段；将各心音信号的各心音信号片段作为输入，对应的心音分类标签作为输出，训练所述心音检测模型，得到所述预训练好的心音检测模型；其中，所述训练集包括多个携带有心音分类标签的心音信号。3.根据权利要求2所述的心音自动诊断系统，其特征在于，所述心音检测模型还包括：决策层和输入端分别与第m级CNN块的输出端以及n个LSTM的输出端一一对应相连的n+1个分类层；所述决策层的输入端和所有分类层的输出端均相连...

【专利技术属性】
技术研发人员：李强，张浩波，张鹏，
申请(专利权)人：武汉中科医疗科技工业技术研究院有限公司，
类型：发明
国别省市：