【技术实现步骤摘要】
本专利技术涉及智能分析，具体的是一种基于嵌入式深度学习的动静脉瘘听诊筛查系统及方法。
技术介绍
1、自体动静脉内瘘(arteriovenous fistula,avf)，是目前首选的血管通路方式，是通过外科手术的方式将外周动脉和浅表静脉吻合，使得动脉血液流至浅表静脉。avf被称为尿毒症血液透析患者的“生命线”，avf狭窄或闭塞将影响血液透析无法正常进行，严重时甚至危及生命。随着时间的推移，会发生血管血栓或狭窄，动静脉瘘往往会出现功能障碍。自上世纪90年代起，就有学者开始使用提取时频域音频特征的方法分析脉搏音与血管狭窄程度的关系。然而，随着研究的逐步深入，用简单的频率相关系数来分析avf狭窄，准确率普遍不高。借助于dcnn网络强大的提取特征能力，利用深度学习量化听诊和提取特征，可以帮助医务工作者和患者筛查检测avf狭窄的存在，以争取最佳的治疗时机。
2、其中，2014年hsien-yi wang等人提出了一种基于听诊器听诊信号的无创检测avf狭窄的新方法。在提出的avf狭窄检测算法中，使用由s变换建立的二维特征模式作为特征，二...
【技术保护点】
1.一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，包括：
2.根据权利要求1所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述脉搏音信号采集及输入端包括音频传感器及其外围电路，所述音频信号滤波去噪电路为低通滤波器或带通滤波器。
3.根据权利要求1所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述模拟信号转数字信号及音频编码电路包括ADC芯片、音频编解码芯片及其外围电路，通过ADC芯片将有效音频片段的模拟信号转为数字信号，通过音频编解码芯片进行编码，得到编码音频信号。
4.根据权利要求1...
【技术特征摘要】
1.一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，包括：
2.根据权利要求1所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述脉搏音信号采集及输入端包括音频传感器及其外围电路，所述音频信号滤波去噪电路为低通滤波器或带通滤波器。
3.根据权利要求1所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述模拟信号转数字信号及音频编码电路包括adc芯片、音频编解码芯片及其外围电路，通过adc芯片将有效音频片段的模拟信号转为数字信号，通过音频编解码芯片进行编码，得到编码音频信号。
4.根据权利要求1所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述cpu主控芯片包括：警示元件、显示屏、wi-fi数据收发电路、云服务器、数据本地存储电路以及dcnn模型。
5.根据权利要求4所述的一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，其特征在于，所述警示元件包括led、蜂鸣器等具备显著警示功能的电子元件及其外围电路，辅助显示屏显示动静脉瘘狭窄的推理结果，所述显示屏显示输入脉搏音音频信号的可视化语义谱图和动静脉瘘狭窄的推理结果，供使用者查看和参考。
6.根据权利要求4所述的...
【专利技术属性】
技术研发人员：周晓彦，谢俊杰，夏明，徐驰，
申请(专利权)人：南京信息工程大学，
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。