[發明專利]一種用于呼吸音數據識別的方法、系統與設備

在審

• 申請號: 202010705424.3
• 申請日: 2020-07-21
• 公開（公告）號: CN111863021A
• 公開（公告）日: 2020-10-30
• 發明（設計）人: 雷浩;任澤華
• 申請（專利權）人: 上海宜碩網絡科技有限公司
• 主分類號: G10L25/03
• 分類號: G10L25/03;G10L25/30;G10L25/66;G10L19/02;G06N3/04;G06N3/08
• 代理公司: 上海百一領御專利代理事務所(普通合伙) 31243
• 代理人: 王奎宇;朱永海

與現有技術相比，本申請通過一種用于呼吸音數據識別的方法，首先獲取待識別呼吸音數據，接著基于所述待識別呼吸音數據，確定與所述待識別呼吸音數據對應的特征數據，其中，所述特征數據是對所述待識別呼吸音數據做頻域變換后獲得的，然后將所述特征數據輸入訓練好的呼吸音數據識別神經網絡模型，以通過所述神經網絡模型識別所述待識別呼吸音數據中是否包含有雜音數據。通過該方法可對呼吸音數據進行客觀識別，并獲得較高準確度，具有實際應用價值。

技術領域

本申請涉及計算機數據技術領域，尤其涉及一種用于呼吸音數據識別的技術。

背景技術

呼吸音是人體呼吸系統與外界在換氣運動中產生的，由于傳統的聽診器的頻響限制以及聽診者個體的聽覺、經驗、判斷力等方面存在很大差異，主觀性很強，從而影響了對呼吸音識別的客觀性。

隨著計算機技術及信號處理技術的不斷進步，對呼吸音數據的識別日益受到關注。特別是近年來隨著深度學習網絡在數據識別方面的應用，已出現利用計算機技術和深度學習網絡對呼吸音數據進行識別，但在識別的準確性方面、對硬件要求方面都存在需要改善的地方。

發明內容

本申請的目的是提供一種用于呼吸音數據識別的方法，以改善現有技術中對呼吸音數據識別的技術問題。

根據本申請的一個方面，提供了一種用于呼吸音數據識別的方法，其中，所述方法包括：

獲取待識別呼吸音數據；

基于所述待識別呼吸音數據，確定與所述待識別呼吸音數據對應的特征數據，其中，所述特征數據是對所述待識別呼吸音數據做頻域變換后獲得的；

將所述特征數據輸入訓練好的呼吸音數據識別神經網絡模型，以通過所述神經網絡模型識別所述待識別呼吸音數據中是否包含有雜音數據。

優選地，所述獲取待識別呼吸音數據包括：

采集原始呼吸音數據；

對所述原始呼吸音數據預處理，以獲取所述待識別呼吸音數據。

優選地，其中，所述對所述原始呼吸音數據預處理，以獲取所述待識別呼吸音數據包括：

對所述原始呼吸音數據進行降采樣處理，以獲得降采樣后的呼吸音數據；

將降采樣后的呼吸音數據進行分級分解處理，獲得分解后的各級數據信號；

對分解后的各級數據信號進行門限濾波，并將門限濾波后的各級數據信號進行合并，以獲取所述待識別呼吸音數據。

優選地，其中，在對降采樣后的呼吸音數據進行分級分解處理前，所述方法還包括：

對降采樣后的呼吸音數據進行小波基線矯正；

對矯正后的呼吸音數據進行數據對齊操作。

優選地，其中，所述基于所述待識別呼吸音數據，確定與所述待識別呼吸音數據對應的特征數據包括：

將所述待識別呼吸音數據進行短時傅里葉變換，獲得所述待識別呼吸音數據對應的頻譜圖；

對所述頻譜圖做加窗操作，以確定與所述待識別呼吸音數據對應的特征數據。

優選地，其中，所述呼吸音數據識別神經網絡模型采用CNN網絡結構，包括：

4個卷積層；

2個全連層；

1個softmax分類層。

根據本申請的另一方面，還提供了一種用于呼吸音數據識別的系統，其中，所述系統包括：

智能聽診器設備，用于采集原始呼吸音數據，并將所述原始呼吸音數據發送至用戶終端設備；