基于时空注意力特征融合模型的异常心音检测方法技术

本发明专利技术涉及疾病筛查技术领域，具体涉及一种基于时空注意力特征融合模型的异常心音检测方法，该异常心音检测方法先获取心音信号数据，对心音信号数据进行预处理，获得预处理后的心音信号数据；对预处理后的心音信号数据进行特征提取，确定各个心音信号特征数据；通过构建的CNN

【技术实现步骤摘要】
基于时空注意力特征融合模型的异常心音检测方法


[0001]本专利技术涉及疾病筛查
，具体涉及一种基于时空注意力特征融合模型的异常心音检测方法。

技术介绍

[0002]心血管疾病(Cardiovascular Diseases，CVD)包括心律失常、高血压、冠心病、心力衰竭、脑血管疾病等，是全球主要致死疾病之一。根据国家心血管病中心组织编写的《中国心血管疾病报告2018》可知，2017年存在心血管病人2.9亿左右；据《中国心血管健康与疾病报告2020》披露，2019年中国心血管病患者达到3.3亿左右。仅仅两年时间，患病人数增长了四千万，可见心血管病患病率在快速上升。而且在所有疾病死亡因素中，心血管疾病位居首位，远超肿瘤、呼吸疾病等其他死亡因素。此外，心血管疾病治疗费用高昂，从总量上看，2018年治疗总费用近6000亿元，居于各类疾病首位，占总费用的16.92％，相当于当年GDP的0.65％；从增量上看，其在2012年的费用中占比16.38％，达到2870亿元，远超我国GDP增速。并且心血管疾病的治疗费用会随着年龄的增长而增加，所以如果不能及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于时空注意力特征融合模型的异常心音检测方法，其特征在于，包括以下步骤：获取心音信号数据，对所述心音信号数据进行预处理，获得预处理后的心音信号数据；对所述预处理后的心音信号数据进行特征提取，确定各个心音信号特征数据；通过构建的CNN
‑
TCN
‑
Attention网络模型，对所述各个心音信号特征数据进行多源特征融合和心音分类，获得所述心音信号数据的分类结果。2.根据权利要求1所述的一种基于时空注意力特征融合模型的异常心音检测方法，其特征在于，所述对所述预处理后的心音信号数据进行特征提取，确定各个心音信号特征数据，包括：利用小波散射变换，提取所述预处理后的心音信号数据的特征，获得二维心音信号特征；利用梅尔频率倒谱系数算法，提取所述预处理后的心音信号数据的特征，获得第一一维心音信号特征；利用希尔伯特黄变换，提取所述预处理后的心音信号数据的特征，获得第二一维心音信号特征；所述各个心音信号特征数据包括所述二维心音信号特征、所述第一一维心音信号特征以及所述第二一维心音信号特征。3.根据权利要求2所述的一种基于时空注意力特征融合模型的异常心音检测方法，其特征在于，所述通过构建的CNN
‑
TCN
‑
Attention网络模型，对所述各个心音信号特征数据进行多源特征融合和心音分类，获得所述心音信号数据的分类结果，包括：将二维心音信号特征输入到二维CNN中，将第一一维心音信号特征和第二一维心音信号特征相结合输入到TCN中，将二维CNN和TCN的输出结果相结合，获得多源...

【专利技术属性】
技术研发人员：杨利军，袁瑞，刘曦允，杨晓慧，郑晨，
申请(专利权)人：河南大学，
类型：发明
国别省市：