[發(fā)明專利]基于深度學(xué)習(xí)的腸鳴音識(shí)別方法及相關(guān)裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201811570064.X
• 申請(qǐng)日: 2018-12-21
• 公開(kāi)（公告）號(hào): CN109620154A
• 公開(kāi)（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 王健宗;程寧;肖京
• 申請(qǐng)（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號(hào): A61B5/00
• 分類號(hào): A61B5/00;A61B7/04
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;熊永強(qiáng)

1.一種基于深度學(xué)習(xí)的腸鳴音識(shí)別方法，其特征在于，所述方法包括：

通過(guò)可穿戴設(shè)備獲取待識(shí)別對(duì)象的腸鳴音數(shù)據(jù)；

對(duì)所述腸鳴音數(shù)據(jù)執(zhí)行音頻處理操作，得到所述腸鳴音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)音幀序列；

將所述語(yǔ)音幀序列輸入腸鳴音識(shí)別模型進(jìn)行處理，輸出所述語(yǔ)音幀序列對(duì)應(yīng)的目標(biāo)腸鳴音類型，所述腸鳴音識(shí)別模型用于確定語(yǔ)音幀序列對(duì)應(yīng)的腸鳴音類型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述通過(guò)可穿戴設(shè)備獲取待識(shí)別對(duì)象的腸鳴音數(shù)據(jù)，包括：

向所述可穿戴設(shè)備發(fā)送請(qǐng)求信息，所述請(qǐng)求信息用于指示所述可穿戴設(shè)備反饋所述待識(shí)別對(duì)象的腸鳴音聲音信號(hào)，所述腸鳴音聲音信號(hào)的時(shí)長(zhǎng)為預(yù)設(shè)時(shí)長(zhǎng)范圍；

接收所述可穿戴設(shè)備針對(duì)所述請(qǐng)求信息發(fā)送的第一腸鳴音聲音信號(hào)，所述第一腸鳴音聲音信號(hào)的時(shí)長(zhǎng)為第一時(shí)長(zhǎng)，所述第一時(shí)長(zhǎng)處于所述預(yù)設(shè)時(shí)長(zhǎng)范圍；

將所述第一腸鳴音聲音信號(hào)轉(zhuǎn)換為第一腸鳴音數(shù)字信號(hào)，所述第一腸鳴音數(shù)字信號(hào)的時(shí)長(zhǎng)為所述第一時(shí)長(zhǎng)；

將所述第一腸鳴音數(shù)字信號(hào)作為所述腸鳴音數(shù)據(jù)。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述對(duì)所述腸鳴音數(shù)據(jù)執(zhí)行音頻處理操作，得到所述腸鳴音數(shù)據(jù)對(duì)應(yīng)的語(yǔ)音幀序列，包括：

調(diào)用預(yù)先存儲(chǔ)的語(yǔ)音去噪算法；

根據(jù)所述語(yǔ)音去噪算法對(duì)所述腸鳴音數(shù)據(jù)進(jìn)行語(yǔ)音去噪，得到所述腸鳴音數(shù)據(jù)對(duì)應(yīng)的第一腸鳴音數(shù)據(jù)；

對(duì)所述第一腸鳴音數(shù)據(jù)執(zhí)行音頻分段操作，得到所述第一腸鳴音數(shù)據(jù)對(duì)應(yīng)的至少一個(gè)語(yǔ)音幀，每個(gè)語(yǔ)音幀的時(shí)長(zhǎng)為第二時(shí)長(zhǎng)，所述第二時(shí)長(zhǎng)小于所述第一時(shí)長(zhǎng)，所述每個(gè)語(yǔ)音幀包括64個(gè)頻率分量；

將所述至少一個(gè)語(yǔ)音幀組成的序列作為所述語(yǔ)音幀序列。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述將所述語(yǔ)音幀序列輸入腸鳴音識(shí)別模型進(jìn)行處理，輸出所述語(yǔ)音幀序列對(duì)應(yīng)的目標(biāo)腸鳴音類型，包括：

將所述語(yǔ)音幀序列輸入所述腸鳴音識(shí)別模型；

將所述語(yǔ)音幀序列轉(zhuǎn)換為第一輸入向量，以及將所述第一輸入向量輸入第一神經(jīng)網(wǎng)絡(luò)層進(jìn)行處理，輸出所述第一輸入向量對(duì)應(yīng)的第二輸入向量，所述第一神經(jīng)網(wǎng)絡(luò)層包括128個(gè)神經(jīng)元，所述第一神經(jīng)網(wǎng)絡(luò)層對(duì)應(yīng)第一權(quán)重矩陣；

將所述第二輸入向量輸入第二神經(jīng)網(wǎng)絡(luò)層進(jìn)行處理，輸出所述第二輸入向量對(duì)應(yīng)的第三輸入向量，所述第二神經(jīng)網(wǎng)絡(luò)層包括64個(gè)神經(jīng)元，所述第二神經(jīng)網(wǎng)絡(luò)層對(duì)應(yīng)第二權(quán)重矩陣；

將所述第三輸入向量輸入第三神經(jīng)網(wǎng)絡(luò)層進(jìn)行處理，輸出所述第三輸入向量對(duì)應(yīng)的第四輸入向量，所述第三神經(jīng)網(wǎng)絡(luò)層包括32個(gè)神經(jīng)元，所述第三神經(jīng)網(wǎng)絡(luò)層對(duì)應(yīng)第三權(quán)重矩陣；

將所述第四輸入向量輸入激活層進(jìn)行處理，輸出所述第四輸入向量對(duì)應(yīng)的第五輸入向量，所述激活層包括32個(gè)神經(jīng)元，所述激活層對(duì)應(yīng)第四權(quán)重矩陣；

將所述第五輸入向量輸入第四神經(jīng)網(wǎng)絡(luò)層進(jìn)行處理，輸出所述第五輸入向量對(duì)應(yīng)的第六輸入向量，所述第四神經(jīng)網(wǎng)絡(luò)層包括64個(gè)長(zhǎng)短期記憶網(wǎng)絡(luò)單元，所述第四神經(jīng)網(wǎng)絡(luò)層對(duì)應(yīng)第五權(quán)重矩陣；

將所述第六輸入向量輸入全連接層進(jìn)行處理，輸出所述第六輸入向量對(duì)應(yīng)的輸出向量，所述全連接層包括256個(gè)激活函數(shù)神經(jīng)元，所述全連接層對(duì)應(yīng)第六權(quán)重矩陣；

將所述輸出向量輸入分類器進(jìn)行處理，輸出所述輸出向量對(duì)應(yīng)的所述目標(biāo)腸鳴音類型。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將所述語(yǔ)音幀序列輸入腸鳴音識(shí)別模型進(jìn)行處理，輸出所述語(yǔ)音幀序列對(duì)應(yīng)的目標(biāo)腸鳴音類型之前，所述方法還包括：

獲取多個(gè)第一訓(xùn)練數(shù)據(jù)和多個(gè)腸鳴音類型，每個(gè)腸鳴音類型對(duì)應(yīng)一個(gè)第一訓(xùn)練數(shù)據(jù)；

對(duì)每個(gè)第一訓(xùn)練數(shù)據(jù)執(zhí)行音頻處理操作，得到所述多個(gè)第一訓(xùn)練數(shù)據(jù)對(duì)應(yīng)的多個(gè)第二訓(xùn)練數(shù)據(jù)；

根據(jù)所述多個(gè)第二訓(xùn)練數(shù)據(jù)、所述多個(gè)腸鳴音類型和第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型構(gòu)建所述腸鳴音識(shí)別模型，所述第一循環(huán)神經(jīng)網(wǎng)絡(luò)模型為未進(jìn)行深度學(xué)習(xí)的循環(huán)神經(jīng)網(wǎng)絡(luò)模型。