[發(fā)明專利]一種基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)及方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710515210.8
• 申請(qǐng)日: 2017-06-29
• 公開（公告）號(hào): CN107529645B
• 公開（公告）日: 2019-09-10
• 發(fā)明（設(shè)計(jì)）人: 肖斌;徐韻秋;李偉生;王國胤
• 申請(qǐng)（專利權(quán)）人: 重慶郵電大學(xué)
• 主分類號(hào): G16H50/20
• 分類號(hào): G16H50/20;G16H80/00;G16H70/20;G06K9/62
• 代理公司: 重慶市恒信知識(shí)產(chǎn)權(quán)代理有限公司 50102
• 代理人: 劉小紅

1.一種基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)，其特征在于，包括：心音采集設(shè)備，智能可穿戴式設(shè)備及云端服務(wù)器；其中：

心音采集設(shè)備，主要用于采集用戶一段時(shí)間內(nèi)的心音數(shù)據(jù)，將采集得到的聲音信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，心音采集設(shè)備輸出的已轉(zhuǎn)換為數(shù)字信號(hào)的心音數(shù)據(jù)通過互聯(lián)網(wǎng)或移動(dòng)網(wǎng)絡(luò)傳輸至云端服務(wù)器；

智能可穿戴式設(shè)備，主要用于實(shí)時(shí)無間斷地采集用戶的心音數(shù)據(jù)，將采集得到的聲音信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，智能可穿戴式設(shè)備輸出的已轉(zhuǎn)換為數(shù)字信號(hào)的心音數(shù)據(jù)通過互聯(lián)網(wǎng)或移動(dòng)網(wǎng)絡(luò)傳輸至云端服務(wù)器；

云端服務(wù)器，主要用于心音數(shù)據(jù)存儲(chǔ)，建立用戶心音數(shù)據(jù)庫，云端服務(wù)器上運(yùn)行基于深度學(xué)習(xí)的心音智能診斷算法，根據(jù)采集的心音數(shù)據(jù)智能診斷是否異常，將診斷結(jié)果反饋給用戶的同時(shí)存儲(chǔ)在云端服務(wù)器中，以提供給相關(guān)機(jī)構(gòu)和指定醫(yī)院作為用戶的臨床病史參考。

2.根據(jù)權(quán)利要求1所述的基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)，其特征在于，所述基于深度學(xué)習(xí)的心音智能診斷算法包括心音分類器訓(xùn)練步驟、心音分類器的診斷步驟和心音數(shù)據(jù)擴(kuò)充步驟三個(gè)階段，通過卷積神經(jīng)網(wǎng)絡(luò)對(duì)心音數(shù)據(jù)庫中的心音自動(dòng)提取特征和智能診斷，通過和心音數(shù)據(jù)庫中的心音標(biāo)簽進(jìn)行比較，不斷迭代降低分類錯(cuò)誤率，最終學(xué)習(xí)到一個(gè)神經(jīng)網(wǎng)絡(luò)模型，將這個(gè)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型用來對(duì)用戶上傳的心音進(jìn)行診斷，用戶上傳的心音數(shù)據(jù)和心音智能診斷系統(tǒng)的診斷結(jié)果由專業(yè)醫(yī)生分析確診后，可作為心音數(shù)據(jù)庫的擴(kuò)充數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)，其特征在于，其中心音分類器的訓(xùn)練階段具體包括：

1)利用基于邏輯回歸-隱半馬爾科夫的心音分割算法將數(shù)據(jù)庫中的心音記錄分割為不同的包含完整心動(dòng)周期的心音片段；

2)對(duì)心音片段進(jìn)行預(yù)處理：分解為不同頻段，變換成不同尺度；

3)將包含原始及多頻段、多尺度信息的心音片段輸入到一個(gè)多通道的一維的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，經(jīng)過多次迭代得到一個(gè)能夠識(shí)別異常心音的神經(jīng)網(wǎng)絡(luò)模型；

4)采用閾值分類的方法，選取一個(gè)閾值，使得數(shù)據(jù)庫中的心音片段診斷結(jié)果在轉(zhuǎn)化為心音記錄診斷結(jié)果時(shí)能取得最高準(zhǔn)確率。

4.根據(jù)權(quán)利要求3所述的基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)，其特征在于，所述心音分類器的診斷步驟具體包括：1)利用基于邏輯回歸-隱半馬爾科夫的心音分割算法將用戶上傳至云端服務(wù)器的心音記錄分割為不同的包含完整心動(dòng)周期的心音片段；

2)對(duì)心音片段進(jìn)行預(yù)處理：分解為不同頻段，變換成不同尺度；

3)將包含原始及多頻段、多尺度信息的心音片段輸入到已經(jīng)訓(xùn)練好的一維卷積神經(jīng)網(wǎng)絡(luò)模型中，計(jì)算得到心音片段的診斷結(jié)果；

4)采用閾值分類的方式，將心音片段的診斷結(jié)果轉(zhuǎn)化為心音記錄的診斷結(jié)果。

5.根據(jù)權(quán)利要求3或4所述的基于深度學(xué)習(xí)的心音智能診斷系統(tǒng)，其特征在于，所述多通道的一維卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)包括預(yù)處理階段、局部卷積階段和全局卷積階段，所述預(yù)處理階段包括將心音數(shù)據(jù)分解為不同頻段及變換成不同尺度；局部卷積階段包含多次一維的卷積和池化等操作，對(duì)數(shù)據(jù)進(jìn)行特征提取；全局卷積階段將不同頻段和不同尺度的局部卷積結(jié)果進(jìn)行拼接，再進(jìn)行卷積、池化等操作，然后送到全連接層進(jìn)一步提取特征并進(jìn)行分類。模型能夠?qū)γ織l心音片段進(jìn)行診斷，能夠同時(shí)處理多頻率和多尺度的心音數(shù)據(jù)。

6.一種基于權(quán)利要求5所述系統(tǒng)的心音智能診斷方法，其特征在于，包括以下步驟：

1)、首先通過心音采集設(shè)備采集用戶一段時(shí)間內(nèi)的心音數(shù)據(jù)，或通過智能可穿戴式設(shè)備實(shí)時(shí)不間斷地采集用戶的心音數(shù)據(jù)，將采集得到的聲音信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，將數(shù)字信號(hào)通過互聯(lián)網(wǎng)或移動(dòng)網(wǎng)絡(luò)傳輸至云端服務(wù)器；

2)、云服務(wù)器端存儲(chǔ)心音數(shù)據(jù)，建檔用戶心音數(shù)據(jù)庫，然后基于深度學(xué)習(xí)的心音智能診斷算法，心音分類器訓(xùn)練得到能夠識(shí)別異常心音的神經(jīng)網(wǎng)絡(luò)模型，判斷采集的心音數(shù)據(jù)智能診斷是否異常，將診斷結(jié)果反饋給用戶的同時(shí)存儲(chǔ)在云端服務(wù)器中，以提供給相關(guān)機(jī)構(gòu)和指定醫(yī)院作為用戶的臨床病史參考。