【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 ...
【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:
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。