[發(fā)明專利]基于深度學習的心臟病心音智能分類方法、裝置和介質

在審

• 申請?zhí)枺?/td>: 202111530516.3
• 申請日: 2021-12-15
• 公開（公告）號: CN114305484A
• 公開（公告）日: 2022-04-12
• 發(fā)明（設計）人: 俞凱;徐瑋澤;葉菁菁;俞勁;舒強;林茹;谷凱云;陳家嘉;來麗;殷翡
• 申請（專利權）人: 浙江大學醫(yī)學院附屬兒童醫(yī)院;浙江大學濱江研究院
• 主分類號: A61B7/04
• 分類號: A61B7/04;A61B5/00
• 代理公司: 杭州奇炬知識產權代理事務所(特殊普通合伙) 33393
• 代理人: 賀心韜

本發(fā)明提供了基于深度學習的心臟病心音智能分類方法、裝置和介質，屬于醫(yī)療技術領域，它解決了現(xiàn)有基于傳統(tǒng)聽診器的人工聽診、判斷不客觀等問題，一種基于深度學習的心臟病心音智能分類方法，包括如下步驟：步驟S01：獲取心音音頻信號，對心音音頻信號進行預處理，根據(jù)預處理后的心音音頻信號獲取心音周期信息；步驟S02：根據(jù)預處理后的心音音頻信號和心音周期信息進行特征圖提取，獲取梅爾頻譜圖；步驟S03：對深度神經(jīng)網(wǎng)絡模型進行訓練；步驟S04：執(zhí)行步驟S01和步驟S02獲取目標心音的多個梅爾頻譜圖，分別輸入訓練完畢的深度神經(jīng)網(wǎng)絡模型，獲得目標心音的最終分類結果。

技術領域

本發(fā)明屬于醫(yī)療技術領域，特別涉及一種基于深度學習的心臟病心音智能分類方法、裝置和介質。

背景技術

先天性心臟病在我國總體患病率達8.98‰，其中30％左右為危急重癥先天性心臟病，即在嬰幼兒期可導致死亡或要求侵入性手術治療。2015年全面二胎政策實施以來，高齡孕產婦的比例顯著增高，先天性心臟病發(fā)病率也明顯升高。

心臟雜音指在心音與額外心音之外，在心臟收縮或舒張時血液在心臟或血管內產生湍流所致的室壁、瓣膜或血管振動所產生的異常聲音，是具有不同頻率、不同強度、持續(xù)時間較長的噪雜聲。心臟雜音可見于健康人，更多發(fā)生于心血管疾病患者，同時某些雜音也是診斷心臟病的主要依據(jù)。

先天性心臟病早期篩查最重要的手段是心臟聽診和經(jīng)皮血氧飽和度雙指標檢測法，其中目前廣泛采用聽診方式是基于傳統(tǒng)聽診器的人工聽診，缺點是心音數(shù)據(jù)不能數(shù)字化保存，判斷依據(jù)不客觀等。

發(fā)明內容

本發(fā)明的第一個目的是針對現(xiàn)有技術中存在的上述問題，提供了一種基于深度學習的心臟病心音智能分類方法；本發(fā)明的第二個目的是提供一種先天性心臟病心音智能分類裝置；本發(fā)明的第三個目的是提供一種計算機可讀存儲介質。

本發(fā)明的第一個目的可通過下列技術方案來實現(xiàn)：一種基于深度學習的心臟病心音智能分類方法，其特征在于，包括如下步驟：

步驟S01：獲取心音音頻信號，對心音音頻信號進行預處理，根據(jù)預處理后的心音音頻信號獲取心音周期信息；

步驟S02：根據(jù)預處理后的心音音頻信號和心音周期信息進行特征圖提取，獲取梅爾頻譜圖；

步驟S03：對深度神經(jīng)網(wǎng)絡模型進行訓練；

步驟S04：執(zhí)行步驟S01和步驟S02獲取目標心音的多個梅爾頻譜圖，分別輸入訓練完畢的深度神經(jīng)網(wǎng)絡模型，獲得目標心音的最終分類結果。

本發(fā)明的工作原理：基于電子聽診器采集獲取心音音頻信號，通過預處理、心音周期信息獲取，進而獲取梅爾頻譜圖，對深度神經(jīng)網(wǎng)絡模型進行訓練后，訓練后的深度神經(jīng)網(wǎng)絡模型可以用于先天性心臟病心臟雜音的分類，在智能診斷和篩查應用中具有較大的應用潛力。

在上述基于深度學習的心臟病心音智能分類方法中，所述步驟S01中，預處理包括如下步驟：

截斷：去除心音音頻信號起始端和終止端的數(shù)據(jù)；

下采樣：對截斷后的音頻進行下采樣處理，得到下采樣音頻信號，下采樣頻率設置為1KHz；

帶通濾波：對下采樣音頻信號進行帶通濾波處理，得到濾波音頻信號，帶通濾波的范圍設置為20—400Hz；

歸一化：采用式(I)對濾波音頻信號進行歸一化處理，最后得到預處理后的心音音頻信號；

其中，Signal表示濾波音頻信號，Sig_norm表示預處理后的心音音頻信號。

在上述基于深度學習的心臟病心音智能分類方法中，所述步驟S01中，針對預處理后的心音音頻信號，采用式(II)和式(III)計算包絡信號；