基于巡诊机器人的听诊信号智能识别方法及设备技术

本发明专利技术公开一种基于巡诊机器人的听诊信号智能识别方法及设备，包括：采集若干正常弱生理音信号以及异常弱生理音信号；利用Mel倒谱系数对正常弱生理音信号和异常弱生理音信号进行深度特征提取，得到对应的弱生理音信号特征信息；利用分类模型对所有的弱生理音信号特征信息进行分类，建立标准数据库；利用标准数据库训练，获得异常生理音信号辨识模型；利用异常生理音信号辨识模型对待识别的弱生理音信号进行识别，得到识别结果。本发明专利技术能够实现弱生理音信号的拾取，声音信号的无线传输与保真放大，以及异常弱生理音信号的自动分类与辨识。辨识。辨识。

【技术实现步骤摘要】
基于巡诊机器人的听诊信号智能识别方法及设备


[0001]本专利技术属于医疗
，具体涉及一种基于巡诊机器人的听诊信号智能识别方法及设备。

技术介绍

[0002]随着科技的快速进步，将更多人工智能、传感技术等高科技融入医疗行业，使医疗服务走向更智能化、更人性化、更规范化，推动医疗事业的繁荣发展。
[0003]为了缓解医生日常巡诊的压力，降低医生与患者的接触感染的风险，巡诊机器人营运而生。但是现有的基于巡诊机器人上的听诊装置功能单一，仅能将听诊数据传输至医生端，由医生进行分析判断，耗时耗力。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提出了一种基于巡诊机器人的听诊信号智能识别方法及设备。
[0005]为了达到上述目的，本专利技术的技术方案如下：
[0006]一方面，本专利技术公开一种基于巡诊机器人的听诊信号智能识别方法，包括：
[0007]步骤S1：采集若干正常弱生理音信号以及异常弱生理音信号；
[0008]步骤S3：利用Mel倒谱系数对正常弱生理音信号和异常弱生理音信号进行深度特征提取，得到对应的弱生理音信号特征信息；
[0009]步骤S4：利用分类模型对所有的弱生理音信号特征信息进行分类，建立标准数据库；
[0010]步骤S5：利用标准数据库训练，获得异常生理音信号辨识模型；
[0011]步骤S6：利用异常生理音信号辨识模型对待识别的弱生理音信号进行识别，得到识别结果。
[0012]在上述技术方案的基础上，还可做如下改进：
[0013]作为优选的方案，步骤S1具体为：采集若干正常弱生理音信号以及异常弱生理音信号，并利用滤波器过滤环境杂音。
[0014]作为优选的方案，还包括：
[0015]步骤S2：将采集的若干正常弱生理音信号以及异常弱生理音信号进行保真放大并传输至处理端。
[0016]作为优选的方案，还包括：
[0017]步骤S7：将识别结果和对应弱生理音信号进行保存，并将识别结果反馈至采集端。
[0018]作为优选的方案，分类模型为支持向量机模型。
[0019]另一方面，本专利技术还公开一种基于巡诊机器人的听诊信号智能识别设备，包括：
[0020]听诊信号采集模块，用于采集若干正常弱生理音信号以及异常弱生理音信号；
[0021]特征提取模块，用于利用Mel倒谱系数对正常弱生理音信号和异常弱生理音信号
进行深度特征提取，得到对应的弱生理音信号特征信息；
[0022]分类模块，用于利用分类模型对所有的弱生理音信号特征信息进行分类，建立标准数据库；
[0023]辨识模型获得模块，用于利用标准数据库训练，获得异常生理音信号辨识模型；
[0024]识别模块，用于利用异常生理音信号辨识模型对待识别的弱生理音信号进行识别，得到识别结果。
[0025]作为优选的方案，听诊信号采集模块用于采集若干正常弱生理音信号以及异常弱生理音信号，并利用滤波器过滤环境杂音。
[0026]作为优选的方案，还包括：
[0027]放大传输模块，用于将采集的若干正常弱生理音信号以及异常弱生理音信号进行保真放大并传输至特征提取模块。
[0028]作为优选的方案，还包括：
[0029]存储模块，用于将识别结果和对应弱生理音信号进行保存，并将识别结果反馈至听诊信号采集模块。
[0030]作为优选的方案，分类模型为支持向量机模型。
[0031]本专利技术公开一种基于巡诊机器人的听诊信号智能识别方法及设备，具有以下有益效果：
[0032]第一，本专利技术能够实现弱生理音信号的拾取，声音信号的无线传输与保真放大，以及异常弱生理音信号的自动分类与辨识。
[0033]第二，利用巡诊机器人上的听诊装置能有效解决传染病房中非接触获取生理音的问题，减少医护人员与传染病患者之间的直接接触时间，减少交叉感染风险，同时智能识别方法能够有效辅助一线医护人员快速进行病情诊断。
附图说明
[0034]为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
[0035]图1为本专利技术实施例提供的听诊信号智能识别方法的流程图。
[0036]图2为本专利技术实施例提供的听诊信号智能识别设备的框图。
具体实施方式
[0037]下面结合附图详细说明本专利技术的优选实施方式。
[0038]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他实施例，都属于本专利技术保护的范围。
[0039]“包括”元件的表述是“开放式”表述，该“开放式”表述仅仅是指存在对应的部件或步骤，不应当解释为排除附加的部件或步骤。
[0040]为了达到本专利技术的目的，一种基于巡诊机器人的听诊信号智能识别方法及设备的其中一些实施例中，如图1所示，听诊信号智能识别方法包括：
[0041]步骤S1：高信噪比采集若干正常弱生理音信号以及异常弱生理音信号，并利用多种高性能模拟滤波器过滤环境杂音；
[0042]步骤S2：将采集的若干正常弱生理音信号以及异常弱生理音信号进行保真放大并传输至处理端至处理端；
[0043]步骤S3：利用Mel倒谱系数(12维MFCC)对正常弱生理音信号和异常弱生理音信号进行深度特征提取，得到对应的弱生理音信号特征信息；
[0044]步骤S4：利用分类模型对所有的弱生理音信号特征信息进行分类，建立标准数据库；
[0045]步骤S5：利用标准数据库训练，获得异常生理音信号辨识模型；
[0046]步骤S6：利用异常生理音信号辨识模型对待识别的弱生理音信号进行识别，得到识别结果；
[0047]步骤S7：将识别结果和对应弱生理音信号进行保存，并将识别结果反馈至采集端。
[0048]上述弱生理音信号可以为心音信号、呼吸音信号等。
[0049]上述分类模型为支持向量机模型。
[0050]此外，本专利技术实施例还公开一种基于巡诊机器人的听诊信号智能识别设备，如图2所示，包括：
[0051]听诊信号采集模块，用于高信噪比采集若干正常弱生理音信号以及异常弱生理音信号，并利用多种高性能模拟滤波器过滤环境杂音；
[0052]放大传输模块，用于将采集的若干正常弱生理音信号以及异常弱生理音信号进行保真放大并传输至特征提取模块；
[0053]特征提取模块，用于利用Mel倒谱系数(12维MFCC)对正常弱生理音信号和异常弱生理音信号进行深度特征提取，得到对应的弱生理音信号特征信息；
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于巡诊机器人的听诊信号智能识别方法，其特征在于，包括：步骤S1：采集若干正常弱生理音信号以及异常弱生理音信号；步骤S3：利用Mel倒谱系数对正常弱生理音信号和异常弱生理音信号进行深度特征提取，得到对应的弱生理音信号特征信息；步骤S4：利用分类模型对所有的弱生理音信号特征信息进行分类，建立标准数据库；步骤S5：利用标准数据库训练，获得异常生理音信号辨识模型；步骤S6：利用异常生理音信号辨识模型对待识别的弱生理音信号进行识别，得到识别结果。2.根据权利要求1所述的听诊信号智能识别方法，其特征在于，所述步骤S1具体为：采集若干正常弱生理音信号以及异常弱生理音信号，并利用滤波器过滤环境杂音。3.根据权利要求1所述的听诊信号智能识别方法，其特征在于，还包括：步骤S2：将采集的若干正常弱生理音信号以及异常弱生理音信号进行保真放大并传输至处理端。4.根据权利要求1所述的听诊信号智能识别方法，其特征在于，还包括：步骤S7：将识别结果和对应弱生理音信号进行保存，并将识别结果反馈至采集端。5.根据权利要求1所述的听诊信号智能识别方法，其特征在于，所述分类模型为支持向量机模型。6.基于巡诊机器人的听诊信号智能识别设备，其...

【专利技术属性】
技术研发人员：孙富春，刘华平，宋亦旭，谢毓民，
申请(专利权)人：清春智富苏州高新科技有限公司，
类型：发明
国别省市：