一种利用耳机进行抗噪音的肠鸣音监测方法技术

本发明专利技术涉及一种利用耳机进行抗噪音的肠鸣音监测方法，属于移动计算应用技术领域。本发明专利技术采用基于卡尔曼滤波和经验模态分解的去噪技术，分别消除环境和内部噪声。从去噪后的肠鸣音数据中提取梅尔频谱系数特征，设计了LSTM网络来识别肠鸣音和非肠鸣音。通过采用数据增强策略来获得足够的训练数据，进一步提高系统的泛化能力和鲁棒性。此外，本发明专利技术设计了基于滑动窗口和基于频带方差的两种算法，分别计算肠鸣音的频率和持续时间，从而精细地评估相应的胃肠道状态。本发明专利技术成本低、用户体验好、不存在隐私泄露问题，适用于用户对胃肠道状态进行日常监测。进行日常监测。进行日常监测。

【技术实现步骤摘要】
一种利用耳机进行抗噪音的肠鸣音监测方法


[0001]本专利技术涉及一种基于声音的人体生理信号监测方法，具体涉及一种利用耳机进行抗噪音的肠鸣音监测方法，属于移动计算应用


技术介绍

[0002]随着生活节奏加快，在工作和生活压力增大等多种因素影响下，人体胃肠道疾病的发病率和死亡率不断上升，其主要发生在肠道并继发于其它全身性部位。胃肠道疾病在世界范围内非常普遍，发病率非常高，不仅占用了大量的医疗资源，而且增加了经济负担，影响了患者的生活质量。因此，胃肠道疾病的预防和检测成为医学领域面临的主要问题之一。
[0003]肠鸣音作为胃肠道疾病的重要指标之一，对其进行研究具有重要意义。肠鸣音，是肠道通过蠕动推送肠内容物(包括水和气体)时产生的声音，其强度反映了肠道蠕动情况。肠鸣音不仅是肠道运动的反映，也是人体的重要生理信号之一。
[0004]肠鸣音不仅是临床体检的重要部分，也是判断某些胃肠道疾病的一个主要指标。如果发生胃肠道疾病，相应的肠鸣音的强度或数量是不正常的。此外，肠鸣音也可被视为其它疾病的指征之一。过去几年，人们发现肠鸣音对败血症和帕金森病的诊断有临床意义。腹部手术后在家休息时，通过监测肠鸣音可以发现肠梗阻患者的肠道状况。临床研究显示，肠鸣音的频率可能与腹部运动、食物类型和血糖水平有关。此外，不同质量的食物和饮食可引起消化功能的变化，进而影响肠鸣音的频率，肠鸣音的频率可作为开发营养管理技术的参考数据，并作为重症监护中肠内营养新指南的依据。为恢复肠道状态，当肠道进入移行性复合运动的不同阶段时，由于肠道活动的增加，会产生不同持续时间的肠鸣音。在临床上，肠鸣音的持续时间也是肠鸣音类型分类的一个重要指标。
[0005]目前，常用的肠鸣音监测方法是使用机械听诊器。然而，由于肠鸣音的特异性以及临床医师经验水平不同等主观因素，机械听诊可能存在误诊的情况。随着科学技术的显著进步，更先进的电子听诊器被用于监测肠鸣音。但是，现有的这些监测方法，通常需要与专业设备一起使用且价格比较昂贵，很难应用于用户的日常监测。近年来，一些使用可穿戴设备的方法被用来监测肠鸣音，研究人员设计了各种附着在人体腹部的生物传感器来监测肠鸣音，但是，这种监测方式限制了用户的日常活动。一些适合长期、无监督的自动系统通常通过多个传感器来捕获肠鸣音，但部署多个传感器会增加部署的难度和成本，并且信号同步也是另外一个需要解决的难题。此外，现有的这些肠鸣音监测方法大多数没有考虑环境噪声带来的影响，限制了使用场景并降低系统的监测性能。
[0006]综上所示，目前迫切需要开发一种更加方便、易于部署、成本低和抗噪声干扰的肠鸣音监测方法，能够提供细粒度的肠鸣音统计数据，从而帮助用户日常监测自身的肠胃状态，也可为医生提供数据参考。

技术实现思路

[0007]本专利技术的目的是针对现有技术存在的不足，为了解决低成本、易部署、用户友好且不受环境噪声干扰的肠鸣音监测的问题，创造性地提出一种利用耳机进行抗噪音的肠鸣音监测方法。本方法仅使用耳机的即可实现低成本的肠鸣音监测，可以提供细粒度的肠鸣音统计数据，从而辅助监测胃肠道状况，尤其适用于家庭日常的肠鸣音监测。
[0008]本方法的创新点包括：采用基于卡尔曼滤波和经验模态分解(EMD)的去噪技术，分别消除环境和内部噪声。从去噪后的肠鸣音数据中提取梅尔频谱系数(MFCC)特征，并设计了一个LSTM网络来识别肠鸣音和非肠鸣音。采用数据增强策略来获得足够的训练数据，进一步提高系统的泛化能力和鲁棒性。此外，本专利技术设计了基于滑动窗口和基于频带方差的两种算法，分别计算肠鸣音的频率和持续时间，从而精细地评估相应的胃肠道状态。
[0009]本专利技术通过以下技术方案实现。
[0010]一种利用耳机进行抗噪音的肠鸣音监测方法，包括以下步骤：
[0011]步骤1：对采集的肠鸣音数据和噪声数据进行预处理。
[0012]深度神经网络的训练需要大量的训练数据，因此，首先要对肠鸣音数据和噪声数据进行预处理。
[0013]具体地，可以包括以下步骤：
[0014]收集人体的肠鸣音数据。将噪声分为两类，一类是环境噪声，另一类是内部噪声，其中内部噪声是来自于人体内部的声音，如关节声、心音、肺音等。环境噪声是指实际环境中的声音，包括饮水声、说话声、摩擦声等。其中，摩擦声由耳机与衣服或皮肤之间的摩擦引起。设备噪声是指外部设备运行时产生的声音，如附近生命体征监测仪的蜂鸣声。
[0015]最后，对肠鸣音数据和噪声数据进行预处理，包括1分钟信号和1秒段信号两个步骤。产生1分钟信号有两个原因：一方面，临床上规定肠鸣音的听诊时间不应少于1分钟，另一方面是为了便于后续计算肠鸣音的出现频率。此外，由于单个肠鸣音的持续时间一般在几十到几百毫秒的范围内，因此1秒的分段足以分析肠鸣音的性质。因此，本专利技术将1分钟的信号分为具有重叠的1秒段，重叠时间为0.5秒。之后，为肠鸣音数据的每一秒贴上标签。具体地，当肠鸣音出现在该1秒时，每个1秒段被标记为1，否则为0。
[0016]步骤2：去除肠鸣音数据中的噪声，包括环境噪声和内部噪声。
[0017]具体地，步骤2可以包括以下步骤：
[0018]步骤2.1：去除环境噪声以及部分内部噪声。
[0019]具体地，将戴在耳朵上的耳机收集的环境噪声以及内部噪声信号、放置在腹部的耳机收集的肠鸣音信号结合起来，使用卡尔曼滤波器来滤除肠鸣音数据中的环境噪声以及部分内部噪声。由于肠鸣音的频率范围通常在10～1000Hz之间，因此，对信号进行带通滤波，以去除频率范围外的噪声。
[0020]步骤2.2：去除剩余内部噪声。
[0021]使用EMD算法，对去除环境噪声以及部分内部噪声后的肠鸣音信号进行分解，进一步滤除剩余内部噪声，获得纯净的肠鸣音数据。
[0022]EMD是一种信号时频分析技术，能够将信号分解为有限个本征模态函数(IMF)的叠加。由于该分解是基于信号的局部特征尺度，能够应用于非线性和非平稳过程。
[0023]本专利技术基于EMD分解方法，将一个目标信号x(t)分解为三个IMF。通过对三个IMF进
行频率分析，将第一个IMF作为纯净的肠鸣音数据。
[0024]结果表明，大部分噪声被去除，无论是从时域还是从频域观察，肠鸣音信号的波形都能完整地呈现出来。
[0025]步骤3：网络训练。
[0026]当得到去噪后的数据后，判断该数据中是否包含肠鸣音。首先计算去噪后信号的MFCC(梅尔频率倒谱系数，Mel Frequency Cepstrum Coefficient)特征，然后将其送入到LSTM(长短期记忆，Long Short
‑
Term Memory)网络进行训练，区分肠鸣音和非肠鸣音。
[0027]具体地，步骤3可以包括以下步骤：
[0028]步骤3.1：计算去噪后肠鸣音信号的MFCC特征。
[0029]具体地，首先将去噪后的1秒肠鸣音段分为9个相互重叠的帧，两帧之间的重叠时间为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用耳机进行抗噪音的肠鸣音监测方法，其特征在于，包括以下步骤：步骤1：对采集的肠鸣音数据和噪声数据进行预处理；噪声包括环境噪声和内部噪声；内部噪声是来自于人体内部的声音，环境噪声指实际环境中的声音；对肠鸣音数据和噪声数据进行预处理，包括1分钟信号和1秒段信号；其中，将1分钟的信号分为具有重叠的1秒段，重叠时间为0.5秒；之后，为肠鸣音数据的每一秒贴上标签；当肠鸣音出现在该1秒时，每个1秒段被标记为1，否则为0；步骤2：去除肠鸣音数据中的噪声，包括环境噪声和内部噪声；步骤2.1：去除环境噪声以及部分内部噪声；将收集的环境噪声、内部噪声，以及收集的肠鸣音信号结合起来，使用卡尔曼滤波器滤除肠鸣音数据中的环境噪声和部分内部噪声；对信号进行带通滤波，去除频率范围外的噪声；步骤2.2：去除剩余内部噪声；使用EMD算法，对去除环境噪声以及部分内部噪声后的肠鸣音信号进行分解，将一个目标信号x(t)分解为三个本征模态函数IMF，将第一个本征模态函数IMF作为纯净的肠鸣音数据，进一步滤除剩余内部噪声，获得纯净的肠鸣音数据；步骤3：网络训练；当得到去噪后的数据后，判断该数据中是否包含肠鸣音；首先计算去噪后信号的梅尔频率倒谱系数MFCC特征，然后将其送入到长短期记忆网络LSTM进行训练，区分肠鸣音和非肠鸣音；步骤4：肠鸣音监测和统计指标计算；步骤4.1：肠鸣音监测；连续收集肠鸣音数据和噪声数据，并将这些数据分成1分钟的信号；将1分钟的信号进一步分割成1秒段；然后，使用卡尔曼滤波器、带通滤波器和EMD算法来消除环境噪声和内部噪声；之后，提取去噪后的1秒段的MFCC特征；最后，将MFCC特征送入训练好的LSTM网络，该网络负责区分肠鸣音和非肠鸣音；步骤4.2：计算频率和持续时间；将频率定义为每分钟肠鸣音的发生次数，通过基于滑动窗口的方法进行计算；如果相邻两个1秒的片段都包含肠鸣音，则判定从这两个1秒的片段中检测出的肠鸣音属于同一个肠鸣音，由此确定出1分钟内肠鸣音的数量，得到频率指标；使用肠鸣音信号的频带方差作为参数来检测每个肠鸣音发生的开始和结束位置：通过以上方法，分别得到肠鸣音信号的频率和持续时间，实现对人体胃肠道状况的监测。2.如权利要求1所述的一种利用耳机进行抗噪音的肠鸣音监测方法，其特征在于，步骤2.2中，提取IMF的过程称为筛选，筛选过程如下：首先，对于信号x(t)，识别局部最大值和局部最小值；然后，对所有局部最大值用三次样条连接作为上包络u(t)，同理得到下包络l(t)；上包络和下包络的平均值计算为：m(t)＝[u(t)
‑
l(t)]/2；最后，设h(t)＝x(t)
‑
m(t)，检查h(t)是否满足IMF的条件；如果不满足，则继续上述迭
代过程，直到得到满足IMF条件的h(t)。3.如权利要求1所述的一种利用耳机进行抗噪音的肠鸣音监测方法，其特征在于，步骤3包括以下步骤：步骤3.1：计算去噪后肠鸣音信号的MFCC特征；首先将去噪后的1秒肠鸣音段分为9个相互重叠的帧，两帧之间的重叠时间为0.1秒；然后，对每一帧进行滤波，滤波器个数设定为26；最后，得到每个1秒肠鸣音片段的MFCC特征矩阵，大小为9
×
26；步骤3.2：进行LSTM网络训练；得到MFCC特征矩阵后，使用LSTM网络来区分肠鸣音和非肠鸣音；LSTM网络结构包括两个LSTM层和一个DNN层；第一个和...

【专利技术属性】
技术研发人员：李凡，赵志远，解亚东，吴玥，谢睆冉，张珂睿，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：