[發(fā)明專利]基于咳嗽聲識(shí)別的病癥檢測(cè)方法及其相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202011298720.2
• 申請(qǐng)日: 2020-11-18
• 公開（公告）號(hào): CN112472065A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計(jì)）人: 魏敢;潘丹;鄧健;蔡重芪
• 申請(qǐng)（專利權(quán)）人: 天機(jī)醫(yī)用機(jī)器人技術(shù)（清遠(yuǎn)）有限公司
• 主分類號(hào): A61B5/08
• 分類號(hào): A61B5/08;G01H17/00;G06K9/62;G06N3/04;G06N3/08;G16H50/20
• 代理公司: 廣州高炬知識(shí)產(chǎn)權(quán)代理有限公司 44376
• 代理人: 高雁

本發(fā)明提供一種基于咳嗽聲識(shí)別的病癥檢測(cè)方法，其包括以下步驟：獲取待測(cè)聲音信息或訓(xùn)練聲音信息，提取待測(cè)聲音信息的特征梅爾頻率倒譜系數(shù)，或提取訓(xùn)練聲音信息的訓(xùn)練梅爾頻率倒譜系數(shù)；根據(jù)特征梅爾頻率倒譜系數(shù)，以時(shí)間和頻率為軸繪制特征梅爾頻譜圖，或，根據(jù)別根據(jù)多個(gè)訓(xùn)練梅爾頻率倒譜系數(shù)，且以時(shí)間和頻率為軸分別繪制多個(gè)訓(xùn)練梅爾頻譜圖；通過預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)訓(xùn)練梅爾頻譜圖進(jìn)行訓(xùn)練，獲得特征卷積神經(jīng)網(wǎng)絡(luò)模型。與相關(guān)技術(shù)相比，本發(fā)明對(duì)病癥檢測(cè)對(duì)相關(guān)病癥的檢測(cè)過程簡單、且檢測(cè)效率高。

【技術(shù)領(lǐng)域】

本發(fā)明涉及目標(biāo)檢測(cè)領(lǐng)域，尤其涉及一種基于咳嗽聲識(shí)別的病癥檢測(cè)方法及其相關(guān)設(shè)備。

【背景技術(shù)】

由于傳染疾病對(duì)人身的傷害大、且涉及人群廣，社會(huì)公眾愈發(fā)重視傳染疾病的防控與治療，尤其是針對(duì)傳染性極強(qiáng)的傳染疾病，如果能夠在盡可能短的時(shí)間內(nèi)實(shí)現(xiàn)對(duì)該傳染疾病的快速檢測(cè)，能夠幫助個(gè)人、醫(yī)院人員以及國家作出最有效、最快捷的防護(hù)措施，因此，如何實(shí)現(xiàn)傳染疾病的快速檢測(cè)成為了醫(yī)療衛(wèi)生領(lǐng)域的重要研究方向，尤其在2019年爆發(fā)的Covid-19新冠疫情中，針對(duì)Covid-19病癥快速檢測(cè)技術(shù)顯得尤為重要。

相關(guān)技術(shù)中的針對(duì)Covid-19病癥檢測(cè)方法主要為X光拍片和針對(duì)Covid-19病毒的核酸檢測(cè)；X光拍片后，醫(yī)院人員對(duì)被檢測(cè)對(duì)象的胸片進(jìn)行分析后作出初步的診斷結(jié)果；在Covid-19病毒的核酸檢測(cè)需要進(jìn)行咽拭子或鼻拭子的樣本采集、并對(duì)樣本進(jìn)行分析，根據(jù)核算檢測(cè)結(jié)果作出診斷結(jié)果，該過程一般要4-6個(gè)小時(shí)。

然而，相關(guān)技術(shù)中，無論是X光拍片檢測(cè)還是針對(duì)Covid-19病毒的核酸檢測(cè)，操作的專業(yè)要求高、操作過程復(fù)雜，而且核酸檢測(cè)、X光拍片等方法都需要價(jià)格高昂的設(shè)備，限制了使用的群體，不利于大眾化的使用，另外，該兩種檢測(cè)方法均需要耗費(fèi)大量的時(shí)間，而且醫(yī)院人員是有限的，人力不足也直接使得檢測(cè)的效率低。

因此，實(shí)有必要提供一種新的基于咳嗽聲識(shí)別的病癥檢測(cè)方法、指紋檢測(cè)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)解決上述技術(shù)問題。

【發(fā)明內(nèi)容】

本發(fā)明的目的在于提供一種基于咳嗽聲識(shí)別的病癥檢測(cè)方法、指紋檢測(cè)裝置及計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，解決了指紋痕跡檢測(cè)清晰度低、檢測(cè)速度慢且不足以滿足實(shí)時(shí)檢測(cè)的需求的問題。

為達(dá)到上述目的，本發(fā)明提供一種基于咳嗽聲識(shí)別的病癥檢測(cè)方法，該方法包括以下步驟：

步驟S1，實(shí)時(shí)獲取待測(cè)聲音信息，并提取所述待測(cè)聲音信息的特征梅爾頻率倒譜系數(shù)；其中，所述待測(cè)聲音信息由被檢測(cè)對(duì)象發(fā)出；

步驟S2，根據(jù)特征梅爾頻率倒譜系數(shù)，以時(shí)間和頻率為軸繪制特征梅爾頻譜圖；

步驟S3，利用特征卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)所述特征梅爾頻譜圖進(jìn)行識(shí)別，并根據(jù)識(shí)別結(jié)果輸出病癥診斷結(jié)果；其中，所述特征卷積神經(jīng)網(wǎng)絡(luò)模型的獲取方法包括如下步驟：

步驟S1a，獲取多個(gè)訓(xùn)練聲音信息，分別提取多個(gè)所述訓(xùn)練聲音信息的訓(xùn)練梅爾頻率倒譜系數(shù)；其中，所述訓(xùn)練聲音信息由病患者發(fā)出，所述訓(xùn)練聲音信息與所述訓(xùn)練梅爾頻率倒譜系數(shù)一一對(duì)應(yīng)設(shè)置；

步驟S2a，分別根據(jù)多個(gè)訓(xùn)練梅爾頻率倒譜系數(shù)，且以時(shí)間和頻率為軸分別繪制多個(gè)訓(xùn)練梅爾頻譜圖；其中，所述訓(xùn)練梅爾頻率倒譜系數(shù)與所述訓(xùn)練梅爾頻譜圖一一對(duì)應(yīng)設(shè)置；

步驟S3a，通過預(yù)設(shè)的卷積神經(jīng)網(wǎng)絡(luò)對(duì)多個(gè)所述訓(xùn)練梅爾頻譜圖進(jìn)行訓(xùn)練，獲得所述特征卷積神經(jīng)網(wǎng)絡(luò)模型。

優(yōu)選的，在所述步驟S3中，若所述特征卷積神經(jīng)網(wǎng)絡(luò)模型成功識(shí)別所述特征梅爾頻譜圖，則輸出確證病癥結(jié)果，若所述特征卷積神經(jīng)網(wǎng)絡(luò)模型無法識(shí)別所述特征梅爾頻譜圖，則輸出未確證病癥結(jié)果。

優(yōu)選的，在所述步驟S1包括以下步驟：

實(shí)時(shí)采集被檢測(cè)對(duì)象發(fā)出的咳嗽聲音，對(duì)該咳嗽聲音進(jìn)行分幀處理以獲得多幀的待測(cè)聲音樣本；其中，每幀所述待測(cè)聲音樣本的時(shí)間長度為2-5秒；