[發明專利]一種基于多信噪比模型的心肺音分離方法及系統

有效

• 申請號: 201910916679.1
• 申請日: 2019-09-26
• 公開（公告）號: CN110705624B
• 公開（公告）日: 2021-03-16
• 發明（設計）人: 呂俊;陳駿霖;何昭水
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 郭帥

1.一種基于多信噪比模型的心肺音分離方法，其特征在于，包括：

在基函數學習網絡中對給定能量比的心肺音混合信號進行卷積運算，得到所述給定能量比的心肺音混合信號的時頻模和相位譜；利用LSTM分離網絡對所述時頻模進行計算得到心音和肺音的時頻掩碼，利用所述時頻掩碼得到對應的心音時頻譜和肺音時頻譜；在時域重構網絡中利用所述相位譜和所述心音或肺音時頻譜計算重構矩陣，對所述重構矩陣進行對稱擴展得到擴展矩陣，對所述擴展矩陣進行反卷積得到心音時域信號和肺音時域信號；

對不同能量比的心肺音混合信號重復上述操作，得到單信噪比分離模型；

把未知能量比的心肺音混合信號輸入至多個所述單信噪比分離模型，估計出心音和肺音的時域待選信號，基于所述未知能量比的心肺音混合信號的STFT時頻譜利用LSTM網絡計算所述未知能量比的心肺音混合信號映射到不同所述單信噪比分離模型的最佳權重，根據所述最佳權重線性集成不同所述單信噪比分離模型對應的待選信號的輸出得到心音時域信號和肺音時域信號。

2.根據權利要求1所述的基于多信噪比模型的心肺音分離方法，其特征在于，所述單信噪比分離模型的目標函數為

ω為該模型所有可訓練的參數，c和r分別表示心音和肺音，y_π∈R^1×L為干凈的心音或肺音的時域信號，π∈{c,r}，為y_π的估計值，f(·)表示單信噪比分離模型，x為給定能量比的心肺音混合信號，L表示時間采樣點個數。

3.根據權利要求1所述的基于多信噪比模型的心肺音分離方法，其特征在于，所述對給定能量比的心肺音混合信號進行卷積運算，得到所述給定能量比的心肺音混合信號的時頻模和相位譜包括：

把所述給定能量比的心肺音混合信號x∈R^1×L分別輸入到一維實部卷積網絡和一維虛部卷積網絡，得到實部向量r_t＝[r₁,r₂,...,r_M]^T和虛部向量i_t＝[i₁,i₂,...,i_M]^T，其中t＝1,2,..,K為時間幀序號，M為基函數的個數，L為時間采樣點個數；

分別合并實部向量和虛部向量得到M×K的實部矩陣R和虛部矩陣I，利用所述實部矩陣R和所述虛部矩陣I計算混合信號的時頻模X∈R^M×K和相位譜θ∈R^M×K，其中θ＝arctan(I/R)。

4.根據權利要求1所述的基于多信噪比模型的心肺音分離方法，其特征在于，所述利用LSTM分離網絡對所述時頻模進行計算得到心音和肺音的時頻掩碼，利用所述時頻掩碼得到對應的心音時頻譜和肺音時頻譜包括：

把所述時頻模輸入LSTM分離網絡的第一全連接層得到非線性譜，利用LSTM網絡對所述非線性譜進行運算得到特征矩陣，把所述特征矩陣輸入第二全連接層得到心音和肺音的時頻掩碼，利用式π∈{c,r}對時頻掩碼進行計算得到對應的心音時頻譜和肺音時頻譜，其中X表示時頻模，M_π表示時頻掩碼，c表示心音，r表示肺音。

5.根據權利要求1所述的基于多信噪比模型的心肺音分離方法，其特征在于，所述重構矩陣包括實部重構矩陣和虛部重構矩陣，所述實部重構矩陣采用式R_π＝real(X_πe^jθ)計算，所述虛部重構矩陣采用式I_π＝imag(X_πe^jθ)計算，其中X_π表示時頻譜，θ表示相位譜。

6.根據權利要求5所述的基于多信噪比模型的心肺音分離方法，其特征在于，對所述重構矩陣進行對稱擴展得到擴展矩陣包括：

分別對所述實部重構矩陣和所述虛部重構矩陣進行對稱擴展得到實部擴展矩陣和虛部擴展矩陣。