基于肺部起伏动作模型的肺音特征分析方法及装置制造方法及图纸

本发明专利技术公开了一种基于肺部起伏动作模型的肺音特征分析方法及装置，所述分析方法包括：基于运动传感器获取肺部起伏状态数据，并根据所述肺部起伏状态数据生成肺部起伏动作模型；基于声音采集传感器获取肺音初始数据，对所述肺音初始数据进行特征提取，得到初始肺音特征曲线；提取所述肺部起伏动作模型上肺音采集位置的起伏状态数据，根据所述起伏状态数据生成肺部起伏频率曲线；拟合所述肺部起伏频率曲线与所述初始肺音特征曲线，得到肺音特征频谱曲线。该分析方法通过构建肺部起伏动作模型，对采集的肺音特征曲线结合肺部起伏频率曲线拟合校正，得到肺音特征频谱曲线，从而提高肺音特征信号分析的准确性。肺音特征信号分析的准确性。肺音特征信号分析的准确性。

【技术实现步骤摘要】
基于肺部起伏动作模型的肺音特征分析方法及装置


[0001]本专利技术主要涉及医疗检测
，具体涉及基于肺部起伏动作模型的肺音特征分析方法及装置。

技术介绍

[0002]肺音是人体重要生理信号之一，在呼吸过程中，气流经过肺部时引起肺部的振动发出的声音即为肺音，肺音可以反映人体肺部的生理性和病理性的信息，通过肺音听诊可以分析肺部的健康状态。传统的肺音听诊方法是通过听诊器进行人工听诊，听诊器捕捉的肺音频率低，需要依靠医生的经验进行肺音判断分析，肺音听诊结果准确度低。而目前的肺音采集和检测仪器能够对肺音进行数字化处理，但是由于采集肺音过程中容易受到其它信号干扰，导致肺音分析结果误差较大，分析准确性有待提高。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于肺部起伏动作模型的肺音特征分析方法及装置，通过构建肺部起伏动作模型，对采集的肺音特征曲线结合肺部起伏频率曲线拟合校正，得到肺音特征频谱曲线，从而提高肺音特征信号分析的准确性。
[0004]本专利技术提供了一种基于肺部起伏动作模型的肺音特征分析方法，所述分析方法包括：
[0005]基于运动传感器获取肺部起伏状态数据，并根据所述肺部起伏状态数据生成肺部起伏动作模型；
[0006]在待检测人员对应肺部位置的皮肤表面上设置若干个所述运动传感器，通过若干个所述运动传感器采集肺部起伏状态数据；
[0007]基于声音采集传感器获取肺音初始数据，对所述肺音初始数据进行特征提取，得到初始肺音特征曲线；
[0008]在待检测人员对应肺音听诊位置上设置有若干个声音采集传感器，通过若干个所述声音采集传感器采集肺音初始数据；
[0009]提取所述肺部起伏动作模型上肺音采集位置的起伏状态数据，根据所述起伏状态数据生成肺部起伏频率曲线；
[0010]拟合所述肺部起伏频率曲线与所述初始肺音特征曲线，得到肺音特征频谱曲线。
[0011]进一步的，所述运动传感器为高灵敏度的振动传感器。
[0012]进一步的，所述根据所述肺部起伏状态数据生成肺部起伏动作模型包括：
[0013]构建空间坐标系，根据若干个所述运动传感器与所述空间坐标系的坐标原点距离在生成若干个所述运动传感器在所述空间坐标系内的投影点；
[0014]基于若干个所述投影点形成所述肺部起伏动作模型。
[0015]进一步的，对所述肺音初始数据依次进行滤波、放大和降噪处理，得到初步处理数
据。
[0016]进一步的，对所述初步处理数据进行特征提取，得到肺音特征信号数据。
[0017]进一步的，所述提取肺部起伏动作模型上肺音采集位置的起伏状态数据，根据所述起伏状态数据生成肺部起伏频率曲线包括：
[0018]在所述肺部起伏动作模型上标记肺音采集位置；
[0019]提取所述肺音采集位置上的肺部起伏频率数据，生成若干个起伏频率曲线；
[0020]根据对应位置上肺音初始数据的各种肺音特征信号比例拟合肺部起伏频率曲线。
[0021]进一步的，将若干个所述声音采集传感器对应在所述肺部起伏动作模型上的位置标记为肺音采集位置。
[0022]进一步的，将所述肺音初始数据进行短时傅里叶变换，分析所述肺音初始数据中各种肺音特征信号的强弱比例。
[0023]进一步的，所述肺部起伏频率曲线的拟合公式为：
[0024][0025]其中，f(n)为肺部起伏频率曲线，N为采集位置的个数，f
ci
为第i个采集位置上的起伏频率曲线，k
i
为第i个采集位置上的某个肺音特征信号的比例。
[0026]本专利技术还提供了一种基于肺部起伏动作模型的肺音特征分析装置，所述分析装置包括：
[0027]模型构建模块：基于运动传感器获取肺部起伏状态数据，并根据所述肺部起伏状态数据生成肺部起伏动作模型；
[0028]肺音采集模块：基于声音采集传感器获取肺音初始数据，对所述肺音初始数据进行特征提取，得到初始肺音特征曲线；
[0029]模型分析模块：提取所述肺部起伏动作模型上肺音采集位置的起伏状态数据，根据所述起伏状态数据生成肺部起伏频率曲线；
[0030]肺音频谱分析模块：拟合所述肺部起伏频率曲线与所述初始肺音特征曲线，得到肺音特征频谱曲线。
[0031]本专利技术提供了一种基于肺部起伏动作模型的肺音特征分析方法及装置，所述分析方法通过构建肺部起伏动作模型，实时记录呼吸过程中肺部起伏状态，根据采集的肺音初始数据进行特征分析，生成肺音特征曲线，结合各种肺音特征信号的比例，提取肺部起伏动作模型中各种肺音特征信号对应的肺部起伏频率，生成肺部起伏频率曲线，将采集的肺音特征曲线结合肺部起伏频率曲线进行拟合校正，得到肺音特征频谱曲线，从而提高肺音特征信号分析的准确性。
附图说明
[0032]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0033]图1是本专利技术实施例中基于肺部起伏动作模型的肺音特征分析方法流程示意图；
[0034]图2是本专利技术实施例中肺部起伏频率曲线生成方法流程图；
[0035]图3是本专利技术实施例中基于肺部起伏动作模型的肺音特征分析装置示意图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0037]图1示出了本专利技术实施例中基于肺部起伏动作模型的肺音特征分析方法流程示意图，所述分析方法包括：
[0038]S11：基于运动传感器获取肺部起伏状态数据，并根据所述肺部起伏状态数据生成肺部起伏动作模型。
[0039]具体的，在待检测人员的皮肤表面对应肺部的位置上设置有若干个所述运动传感器，通过所述若干个运动传感器采集肺部起伏状态数据。
[0040]进一步的，所述运动传感器可以为振动传感器，所述振动传感器可以识别待检测人员随呼吸时肺部起伏的频率状态。
[0041]具体的，建立空间坐标系，在所述空间坐标系内构建肺部起伏动作模型，设置空间坐标原点，根据若干个所述运动传感器距离所述坐标原点距离在生成若干个所述运动传感器在所述空间坐标系内的投影点，若干个所述投影点的坐标数据可以随待检测人员的呼吸时刻变动，通过若干个所述投影点生成所述肺部起伏动作模型。
[0042]进一步的，根据若干个所述运动传感器采集待检测人员的肺部起伏状态，并在所述肺部起伏动作模型上实时反映待检测人员的肺部起伏动作状态。
[0043]具体的，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肺部起伏动作模型的肺音特征分析方法，其特征在于，所述分析方法包括：基于运动传感器获取肺部起伏状态数据，并根据所述肺部起伏状态数据生成肺部起伏动作模型；在待检测人员对应肺部位置的皮肤表面上设置若干个所述运动传感器，通过若干个所述运动传感器采集肺部起伏状态数据；基于声音采集传感器获取肺音初始数据，对所述肺音初始数据进行特征提取，得到初始肺音特征曲线；在待检测人员对应肺音听诊位置上设置有若干个声音采集传感器，通过若干个所述声音采集传感器采集肺音初始数据；提取所述肺部起伏动作模型上肺音采集位置的起伏状态数据，根据所述起伏状态数据生成肺部起伏频率曲线；拟合所述肺部起伏频率曲线与所述初始肺音特征曲线，得到肺音特征频谱曲线。2.如权利要求1所述的基于肺部起伏动作模型的肺音特征分析方法，其特征在于，所述运动传感器为高灵敏度的振动传感器。3.如权利要求1所述的基于肺部起伏动作模型的肺音特征分析方法，其特征在于，所述根据所述肺部起伏状态数据生成肺部起伏动作模型包括：构建空间坐标系，根据若干个所述运动传感器与所述空间坐标系的坐标原点距离在生成若干个所述运动传感器在所述空间坐标系内的投影点；基于若干个所述投影点形成所述肺部起伏动作模型。4.如权利要求1所述的基于肺部起伏动作模型的肺音特征分析方法，其特征在于，对所述肺音初始数据依次进行滤波、放大和降噪处理，得到初步处理数据。5.如权利要求4所述的基于肺部起伏动作模型的肺音特征分析方法，其特征在于，对所述初步处理数据进行特征提取，得到肺音特征信号数据。6.如权利要求1所述的基于肺部起伏动作模型的肺音特征分析方法，其特征在于，所述提取肺部...

【专利技术属性】
技术研发人员：张冬莹，郑劲平，简文华，李洽胜，梁振宇，罗文婷，
申请(专利权)人：广州医科大学附属第一医院广州呼吸中心，
类型：发明
国别省市：