[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

本發明公開了一種心肺音分析模型的訓練方法及裝置，該訓練方法包括：在心肺音歷史檢測數據中提取心肺音初始數據；對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；對心音初始數據進行時頻分析，得到心音分析數據，對肺音初始數據進行頻譜分析，得到肺音分析數據；提取心肺音歷史數據的歷史分析數據，將心音分析數據和肺音分析數據和歷史分析數據進行對比，得到心肺音分析數據的分析誤差值；判斷分析誤差值是否大于預設的誤差檢測值，若是，則向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。訓練方法通過結合心音分析數據和肺音分析數據，有效提高檢測模型的心肺音分析效率和準確性。

技術領域

本發明主要涉及心肺音信號檢測技術領域，具體涉及一種心肺音分析模型的訓練方法及裝置。

背景技術

心肺音分析是目前臨床醫學中對心肺疾病的重要分析手段之一，為了提高心肺疾病的檢測準確性，需要對心肺音數據進行心音和肺音分離，而目前的檢測模型一般在心肺音數據中提取心音進行分析處理，或者提取肺音進行分析處理，這種分析模型將心音數據和肺音數據完全分離，針對心音數據和肺音數據采用不同的處理方法進行分析處理，增大了分析模型的計算量，導致分析模型的效率低下，而且這種分析模型忽略了心音數據和肺音數據之間的相互影響，導致心肺音分析數據存在準確性不足的問題。

發明內容

本發明的目的在于克服現有技術的不足，本發明提供了一種心肺音分析模型的訓練方法及裝置，所述訓練方法通過結合根據心音分析數據對肺音分析數據進行分析處理，簡化分析計算量，提高分析模型的分析效率，結合心音分析數據和肺音分析數據，提高模型的分析準確性。

本發明提供了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。

進一步的，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。

進一步的，對所述心肺音初始數據進行歸一化和白化處理。

進一步的，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。

進一步的，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。

進一步的，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：