[發明專利]一種心肺音分析模型的訓練方法及裝置

在審

• 申請號: 202210919957.0
• 申請日: 2022-08-01
• 公開（公告）號: CN115444444A
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 張冬瑩;鄭勁平;簡文華;李洽勝;梁振宇;羅文婷
• 申請（專利權）人: 廣州醫科大學附屬第一醫院（廣州呼吸中心）
• 主分類號: A61B7/00
• 分類號: A61B7/00;G06K9/00;G06N20/00
• 代理公司: 廣東廣盈專利商標事務所(普通合伙) 44339
• 代理人: 李俊

1.一種心肺音分析模型的訓練方法，其特征在于，所述訓練方法包括：

在數據庫中提取所述心肺音歷史檢測數據，所述心肺音歷史檢測數據包括心肺音初始數據和心肺音分析數據，在心肺音歷史檢測數據中提取心肺音初始數據；

對所述心肺音初始數據進行頻譜分離，得到心音初始數據和肺音初始數據；

對所述心音初始數據進行時頻分析，得到心音分析數據，對所述肺音初始進行頻譜分析，得到肺音分析數據，結合所述心音分析數據和所述肺音分析數據，獲得心肺音分析數據；

提取所述心肺音歷史數據的歷史分析數據，將所述心肺音分析數據和所述歷史分析數據進行對比，得到所述心肺音分析數據的分析誤差值；

判斷所述分析誤差值是否大于預設的誤差檢測值，若是，則向所述模型進行誤差反饋調整，重復心肺音分析訓練；若否，則完成訓練，獲得心肺音檢測模型。

2.如權利要求1所述的心肺音分析模型的訓練方法，其特征在于，所述對所述心肺音初始數據進行頻譜分離，得到心音初始數據和肺音初始數據包括：

通過FastICA算法對所述心肺音初始數據進行心肺音分離，得到心音初始數據和肺音初始數據。

3.如權利要求2所述的心肺音分析模型的訓練方法，其特征在于，對所述心肺音初始數據進行歸一化和白化處理。

4.如權利要求1所述的心肺音分析模型的訓練方法，其特征在于，所述對心音初始數據進行時頻分析包括：

將所述心音初始數據進行降噪處理；

基于Choi-Williams分布對所述心音初始數據進行時頻分析，得到心音時頻分析數據；

基于自適應增強模型對所述心音時頻分析數據進行信號增強，獲得心音分析數據。

5.如權利要求4所述的心肺音分析模型的訓練方法，其特征在于，所述將心音初始數據進行降噪處理包括：

通過小波閾值濾波對所述心音初始數據進行降噪處理。

6.如權利要求4所述的心肺音分析模型的訓練方法，其特征在于，所述基于自適應增強模型對所述心音時頻分析數據進行信號增強，獲得心音分析數據包括：

將所述心音時頻分析數據劃分為若干個心音時頻子單元，對所述心音時頻子單元進行自適應增強濾波后整合得到所述心音分析數據。

7.如權利要求1所述的心肺音分析模型的訓練方法，其特征在于，所述對肺音初始數據進行頻譜分析包括：

對所述肺音初始數據進行初步信號處理；

對所述肺音初步處理數據進行特征提取，得到肺音特征數據。

8.如權利要求7所述的心肺音分析模型的訓練方法，其特征在于，所述對肺音初始數據進行初步信號處理包括：

對所述肺音初始數據進行濾波、信號放大和降噪處理，得到肺音初步處理數據。

9.如權利要求1所述的心肺音分析模型的訓練方法，其特征在于，所述結合心音分析數據和肺音分析數據，獲得心肺音分析數據包括：

根據所述心音分析數據中頻率異常的部分，提取相應時間內所述肺音分析數據的部分，擬合所述心音分析數據中的異常部分，得到所述心肺音分析數據。

10.一種心肺音分析模型的訓練裝置，其特征在于，所述訓練裝置包括：

數據采集模塊：在數據庫中提取所述心肺音歷史檢測數據，所述心肺音歷史檢測數據包括心肺音初始數據和心肺音分析數據，在心肺音歷史檢測數據中提取心肺音初始數據；

數據處理模塊：對所述心肺音初始數據進行頻譜分離，得到心音初始數據和肺音初始數據；

數據分析模塊：對所述心音初始數據進行時頻分析，得到心音分析數據，對所述肺音初始數據進行頻譜分析，得到肺音分析數據，結合所述心音分析數據和所述肺音分析數據，獲得心肺音分析數據；

數據對比模塊：提取所述心肺音歷史數據的歷史分析數據，將所述心肺音分析數據和所述歷史分析數據進行對比，得到所述心肺音分析數據的分析誤差值；

模型判斷模塊：判斷所述分析誤差值是否大于預設的誤差檢測值，若是，則向所述模型進行誤差反饋調整，重復心肺音分析訓練；若否，則完成訓練，獲得心肺音檢測模型。