一种基于深度学习和异质集成策略的心音检测方法及系统技术方案

本发明专利技术涉及基于深度学习和异质集成策略的心音检测方法及系统，具体涉及医疗健康平台领域，具体包括以下步骤；步骤S00：对非纯净心音信号进行小波阈值降噪处理；步骤S10：提取降噪处理后心音信号的高阶香农包络，并应用基于贪心算法和自适应阈值优化的双阈值搜索时间门算法进行心音分割，形成心音片段；步骤S20：使用预设函数分别对心音片段和完整心音信号提取时频域特征、MFCC特征、梅尔频谱特征图、二阶音谱特征图等的多域特征；步骤S30：将多域特征输入预设的深度学习异质集成模型进行计算；步骤S40：输出检测结果。本申请能够提高心音检测准确率。测准确率。测准确率。

【技术实现步骤摘要】
一种基于深度学习和异质集成策略的心音检测方法及系统


[0001]本专利技术涉及医疗健康平台领域，具体涉及基于深度学习与异质集成策略的心音检测方法和系统。

技术介绍

[0002]世界卫生组织的统计数据表明，心血管类疾病的致死率近几年来一直居于各类疾病的首位，由心血管疾病导致的死亡数占据全球死亡总数的30％以上，心血管疾病正成为危害人类健康的头号因素。
[0003]目前，借助X光、磁共振图像、心电图、心音等，医生能够对被测者的心脏状况做出诊断，其中，心音(Phonocardiogram,PCG)由于其获取快速、低成本的特性，在疾病的早期筛查、日常检测中有着重要的作用。
[0004]传统的心音诊断，仍然主要依赖于医生的现场听诊，由于最终诊断结果要取决于医务人员的判断，所以存在一定的主观性。不同医生的知识层面、听诊水平、从医经验各不相同，可能导致同一病人由不同医生来进行诊断极有可能会出现不同的结果，因此单靠医生的诊断具有很大的局限性。再加上心音信号极易受到临床环境噪音、体内杂音、信道差异以及心率波动等因素的影响，这使得心音分析过程变得十本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习和异质集成策略的心音检测方法，其特征在于，所述方法包括：步骤S00：对非纯净心音信号进行小波阈值降噪处理；步骤S10：提取降噪处理后心音信号的高阶香农包络，并应用基于贪心算法和自适应阈值优化的双阈值搜索时间门算法进行心音分割，形成心音片段；步骤S20：使用预设函数分别对心音片段和完整心音信号提取时频域特征、MFCC特征、梅尔频谱特征图、二阶音谱特征图的多域特征；步骤S30：将所述多域特征输入预设的深度学习异质集成模型进行计算；步骤S40：输出检测结果。2.如权利要求1所述的方法，其特征在于，所述提取降噪处理后心音信号的高阶香农包络，并应用基于贪心算法和自适应阈值优化的双阈值搜索时间门算法进行心音分割，形成心音片段，具体包括：对降噪处理后的心音信号提取高阶香农包络；对心音包络进行lowess平滑；利用贪心算法和自适应阈值优化的双阈值搜索时间门算法搜索包络时间门；心音状态标记。3.如权利要求1或2所述的方法，其特征在于，所述心音片段包括S1间期、收缩期、S2间期、舒张期。4.如权利要求1所述的方法，其特征在于，所述使用预设函数分别对心音片段和完整心音信号提取时频域特征、MFCC特征、梅尔频谱特征图、二阶音谱特征图的多域特征，具体包括：通过所述预设函数提取所述心音片段的时频域特征和完整心音信号的MFCC特征、梅...

【专利技术属性】
技术研发人员：李向军，吴佳仪，曾倩，钟文燕，周卓彤，
申请(专利权)人：南昌大学，
类型：发明
国别省市：