[發明專利]一種基于可視化的呼吸音信號識別方法及系統

有效

• 申請號: 201910658420.1
• 申請日: 2019-07-22
• 公開（公告）號: CN110731778B
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 張金區;歐建榮;宋立國;羅虎;魯玉佳;錢朗
• 申請（專利權）人: 華南師范大學;廣州愛聽貝科技有限公司
• 主分類號: A61B5/08
• 分類號: A61B5/08;A61B5/00;A61B7/04
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于可視化的呼吸音信號識別方法，其特征在于，包括：

步驟S1、收集原始呼吸音信號，對該信號進行濾波分離處理得到預處理呼吸音信號；

步驟S2、對預處理呼吸音信號進行周期劃分得到設定周期的呼吸音信號，并確定呼吸音信號的分割點；

步驟S3、對設定周期的呼吸音信號進行傅里葉變換，得到呼吸音信號的頻率信息；

步驟S4、根據呼吸音周期信號的分割點，對呼吸音信號的二維頻譜圖進行處理得到單周期的二維頻譜圖；

步驟S5、根據該二維頻譜圖建立頻圖數據集；

步驟S6、根據頻圖數據集建立卷積神經網絡模型；

步驟S7、通過卷積神經網絡模型對新的各類呼吸音進行預測分析；

所述步驟S5包括：

步驟S500、根據呼吸音信號的分割點對二維頻譜圖進行切割，形成單周期的二維頻譜圖集；

步驟S501、對單周期的二維頻譜圖集進行規格處理形成頻譜圖數據集；

所述步驟S501中規格處理的具體步驟包括：

步驟S5010、統一二維時頻圖集的大小；

步驟S5011、對統一大小后的二維時頻圖集進行RGB分量分析；

步驟S5012、進行圖片壓縮，得到頻圖數據集；

所述步驟S7具體包括：

步驟S700、獲取新的各類呼吸音信號并對其進行高通濾波和小波變換處理；

步驟S701、利用移動矩陣窗對去除噪音的呼吸音信號進行周期劃分，并確定呼吸音周期信號的分割點；

步驟S702、對劃分好的呼吸音周期信號進行短時傅里葉變換；

步驟S703、根據劃分好的呼吸音信號的分割點，對經過短時傅里葉變換的頻譜圖進行周期分割得到單周期的二維頻譜圖；

步驟S704、提取周期頻圖中RGB中的R分量，并壓縮成設定大小的頻譜圖數據；

步驟S705、將壓縮后的數據放到預訓練好的神經網絡模型進行預測，預測出個類別即為最終呼吸音類別。

2.根據權利要求1所述的基于可視化的呼吸音信號識別方法，其特征在于，所述步驟S1中的濾波分離處理的具體過程包括：

步驟S100、對原始呼吸音信號進行高通濾波處理，得到心音及呼吸音混合信號并對其進行復制；

步驟S101、對心音及呼吸音混合信號進行小波變換得到呼吸音中的心音干擾信號并將其單獨分離出來；

步驟S102、通過心音及呼吸混合信號減去心音干擾信號得到預處理呼吸音信號。

3.根據權利要求1所述的基于可視化的呼吸音信號識別方法，其特征在于，所述步驟S2中預處理呼吸音信號采用移動矩形窗進行周期劃分，并確定呼吸音周期信號的分割點。

4.根據權利要求1所述的基于可視化的呼吸音信號識別方法，其特征在于，所述步驟S3的具體步驟包括：

步驟S300、采用隨時間移動的分析窗對設定周期的呼吸音信號進行加窗截斷，并將其分解成一系列的近似平穩的短時信號；

步驟S301、通過傅里葉變換得到每個短時平穩信號的二維頻譜圖。

5.一種采用權利要求1-4任意一項所述的基于可視化的呼吸音信號識別方法的系統，其特征在于，包括：

信號獲取處理單元，用于收集原始呼吸音信號，對該信號進行濾波分離處理得到預處理呼吸音信號；

周期劃分模塊，采用移動矩形窗進行周期劃分，并確定呼吸音周期信號的分割點；

傅里葉變換模塊，用于對預處理呼吸音信號進行傅里葉變換，得到呼吸音信號的頻率信息；

切割模塊，用于根據呼吸音周期信號的分割點，對呼吸音信號的二維頻譜圖進行處理得到單周期的二維頻譜圖；

頻圖數據集建立模塊，根據該二維頻譜圖建立頻圖數據集；

卷積神經網絡模塊，用于根據頻圖數據集建立卷積神經網絡模型，通過該卷積神經網絡模型對新的各類呼吸音進行預測分析。

6.根據權利要求5所述的基于可視化的呼吸音信號識別方法的系統，其特征在于，所述信號獲取處理單元包括：

高通濾波模塊，用于去除原始呼吸音信號中的環境雜音、電流音；

小波變換模塊，用于劃分出濾波后的呼吸音信號中的心音成份，重構呼吸音信號中的心音成分，將心音干擾信號單獨分離出來；

復制模塊，用于對高通濾波處理后得到心音及呼吸音混合信號進行復制；

分離模塊，用于將小波變換后得到的心音干擾信號單獨分離出來；

減法模塊，用于將心音及呼吸音混合信號減去心音干擾信號得到預處理呼吸音信號。