【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，二维特征模式同时包含了血流声音在时间域和频率域的信息。因此，与此前使用的其他频率相关系数相比，它可以提供更好的检测avf狭窄的变化频率特征的能力。在该算法中，还使用径向基函数(radial basis function,rbf)神经网络对血流声音的特征模式进行分类，并将多普勒超声检测avf狭窄的结果与该方法检测的结果进行了比较。上述学者的研究工作证实了利用特征提取算法和dcnn模型预测avf狭窄的可
技术实现思路
1、为解决上述
技术介绍
中提到的不足，本专利技术的目的在于提供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，具备数据采集、模型推理、诊断分析、显示预警等功能一体化的可穿戴设备，帮助患者自主监测动静脉瘘狭窄风险，且充分保护了患者的隐私数据，简化了动静脉瘘狭窄早期筛查的复杂度，为动静脉瘘狭窄早期筛查提供一种无创智能便携化低成本解决方案。
2、第一方面，本专利技术的目的可以通过以下技术方案实现：一种基于嵌入式深度学习的动静脉瘘听诊筛查系统，包括：
3、脉搏音信号采集及输入端：用于将音频信号转换为模拟电信号，获取动静脉瘘脉搏音原始数据，将动静脉瘘脉搏音原始数据发送至音频信号滤波去噪电路；
4、音频信号滤波去噪电路：用于滤除动静脉瘘脉搏音原始数据中的高频噪声及环境底噪，提取有效频段信号，将有效频段信号发送至音频信号放大电路；
5、音频信号放大电路：用于放大有效频段信号，以抑制干扰噪声，得到有效音频片段，将有效音频片段发送至模拟信号转数字信号及音频编码电路；
6、模拟信号转数字信号及音频编码电路：用于将有效音频片段的模拟信号转为数字信号，并进行编码，得到编码音频信号，将编码音频信号发送至cpu主控芯片；
7、cpu主控芯片：用于对编码音频信号进行处理，输出得到动静脉瘘狭窄的推理结果，并将动静脉瘘狭窄的推理结果进行显示。
8、结合第一方面，在第一方面的某些实现方式中，该系统还包括：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。
9、结合第一方面，在第一方面的某些实现方式中，该系统还包括：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。
10、结合第一方面，在第一方面的某些实现方式中，该系统还包括：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。
11、结合第一方面，在第一方面的某些实现方式中，该系统还包括：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。
12、结合第一方面，在第一方面的某些实现方式中，该系统还包括：所述dcnn模型用于将编码音频信号进行处理，输出得到动静脉瘘狭窄的推理结果，且dcnn模型为深度卷积神经网络，包括特征提取网络、分类网络。
13、结合第一方面，在第一方面的某些实现方式中，该系统还包括：所述dcnn模型将编码音频信号进行处理，输出得到动静脉瘘狭窄的推理结果的特征提取和分类过程如下：
14、
15、其中si(l,m)是编码音频信号的梅尔能量，m是滤波器组个数，n是dct处理后的谱线，i是指第i帧。
16、
17、其中ak表示第k个输入信号，yk表示第k个神经元的输出，exp()表示指数函数，n表示该层共有n个神经元。
18、结合第一方面，在第一方面的某些实现方式中，该系统还包括：所述数据本地存储电路包括ram、rom、flash存储器及其外围电路，用于存储编码音频信号和dcnn模型的模型权重参数、各项系统运行参数、动静脉瘘狭窄的推理结果、病人生理指标基本数据；为动静脉瘘狭窄的推理结果提供数据吞吐缓存，所述云服务器包括具备稳定网络连接、数据高吞吐、大存储空间能力的远程服务器，用于接收编码音频信号数据，供读取数据。
19、结合第一方面，在第一方面的某些实现方式中，该系统还包括：所述wi-fi数据收发电路包括wi-fi芯片及其外围电路，用于提供稳定的网络连接。
20、第二方面，为了达到上述目的，本专利技术公开了一种基于嵌入式深度学习的动静脉瘘听诊筛查方法，包括：
21、获取动静脉瘘脉搏音原始数据，对动静脉瘘脉搏音原始数据进行预处理，包括音频滤波、去噪、放大和归一化，得到处理后的动静脉瘘脉搏音数据；
22、将预先建立的dcnn模型部署在cpu上，将处理后的动静脉瘘脉搏音数据输入至dcnn模型内，输出得到动静脉瘘狭窄的推理结果。
23、本专利技术的有益效果：
24、本专利技术1)针对现有技术中数据集小、深度学习模型泛化能力不足等问题，本专利技术可以采集并建立自有动静脉瘘脉搏音数据集，并在患者使用的过程中，不断采集新数据更新扩充数据集，解决数据不足的问题；
25、2)针对现有技术中动静脉瘘狭窄检测算法准确率低、无法检测动静脉瘘狭窄程度和狭窄原因等问题，本专利技术自主设计动静脉瘘狭窄检测算法及dcnn模型，比较多种特征参数和模型对检测准确率的影响，并提出多模型联合判决等手段，大幅提高了动静脉瘘狭窄检测准确率；
26、3)针对现有技术中仅采用电子听诊器采集avf脉搏音数据、没有一体化分析设备的问题，本专利技术设计并制成具备数据采集、模型推理、诊断分析、显示预警等功能一体本文档来自技高网...
【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
6.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DCNN模型用于将编码音频信号进行处理，输出得到动静脉瘘狭窄的推理结果，且DCNN模型为深度卷积神经网络，包括特征提取网络、分类网络。
7.根据权利要求6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DCNN模型将编码音频信号进行处理，输出得到动静脉瘘狭窄的推理结果的特征提取和分类过程如下：
8.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，所述数据本地存储电路包括RAM、ROM、FLASH存储器及其外围电路，用于存储编码音频信号和DCNN模型的模型权重参数、各项系统运行参数、动静脉瘘狭窄的推理结果、病人生理指标基本数据；为动静脉瘘狭窄的推理结果提供数据吞吐缓存，所述云服务器包括具备稳定网络连接、数据高吞吐、大存储空间能力的远程服务器，用于接收编码音频信号数据，供读取数据。
9.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Wi-Fi数据收发电路包括Wi-Fi芯片及其外围电路，用于提供稳定的网络连接。
10.一种基于嵌入式深度学习的动静脉瘘听诊筛查方法，其特征在于，包括：
...【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。