[发明专利]一种基于深度学习的心音智能诊断系统及方法

说明书

技术领域

本发明属于生物信号处理、模式识别、大数据、深度学习等技术领域，具体属于一种基于深度学习的心音智能诊断系统及方法。

背景技术

当前心脑血管疾病已成为我国居民的第一死因，占总死亡人数构成的40％以上，其中心血管疾病已成为严重威胁我国居民健康的一大类疾病。根据《中国心血管报告2015》显示：心血管病患患病率处于持续上升阶段。目前，估计全国有心血管病患者2.9亿，其中高血压2.7亿，脑卒中至少700万，心肌梗死250万。全国每年心脏性猝死人数高达54.4万，远超美国居世界之首，又因猝死具有突发性，发病前无明显征兆，故而绝大多数患者并不知道自己患有心脏病，其中更有70％的人是因为发病没有得到有效急救失去了宝贵的生命。

心音是人体重要的生物信号之一，心音是由于心脏瓣膜的开关、肌腱和肌肉的舒张收缩、血流的冲击及心血管壁震动而产生的复合音。在临床上，心音听诊作为一种评估心脏功能的基本方法，可以凭借心音中出现的杂音和畸变作为重要的诊断信息。对心音的诊断和分析是了解心脏、血管功能状态的无创而便捷的方法，传统的医生听诊的效果主要取决于医生的临床经验及其主观判断，并不能把心音的病理信息记录下来为后面的心音诊断和分析做参考，缺乏客观性和准确性。对于现代信息处理技术，理论上经过简单的心音采集即可对提取到的心音进行分析并诊断出心脏的健康状况，但由于在采集的过程中存在着噪声以及心音信号总体上共性较明显、辨识度不高等因素，使得心音分析诊断在实际应用上还存在一定的困难。

当前智能医疗的前景十分广阔，一方面，我国人口老龄化造成医疗需求的急剧增长；另一方面，我国医疗资源供给严重短缺，尤其在偏远地区。深度学习是机器学习领域近几年兴起的一个新研究方向，而随着大数据时代的到来，数据数量剧增，深度学习算法由于其应用在复杂自然环境下时的优越表现，近年来在计算机视觉、语音识别等领域中取得突破性的进展。深度学习架构由多层非线性运算单元组成，每个较低层的输出作为更高层的输入，可以从大量输入数据中学习有效的特征表示，学习得到的高阶特征中包含输入数据的许多结构信息，是从数据中提取特征的好方法。相较于传统模式识别领域，深度学习无需人工对特定应用进行大量的相关特征设计及特征提取等数据预处理过程，即可由计算机自主地对数据进行学习。深度学习的应用主要集中图像和语音等领域，其原因主要是深度学习的优异表现需要大量的数据和高性能的硬件作支撑，在图像和语音受关注比较广泛，因而在图像和语音领域有大量的数据。而在心脏健康领域，相关数据较少且其中多为心电相关数据，心音相关数据就更加缺乏，对深度学习的效果存在较大影响。而随着医疗数据数字化的不断推进，以及对医疗数据采集的不断重视与完善，深度学习在医学领域的潜力也随之凸显。

本发明所提出的基于深度学习的心音智能诊断系统，把深度学习技术引入心脏健康领域，将心音信号上传到云端服务器中，利用深度卷积神经网络等技术实现对心音信号进行自动的特征提取与智能诊断，诊断过程中无需专业医生介入用户即可快速方便地完成心音智能诊断。用户数据作为历史健康数据及参考存储在云端服务器中，供相关机构和指定医院在临床诊断时调出查看、分析。同时本发明也能作为计算机辅助诊断系统放置在社区医院、乡镇医院等缺乏专业医生资源的地方，为医生提供一定的临床诊断参考。采用基于深度学习的诊断系统，通过将专业医生确诊后的心音数据扩充进心音数据库，能够不断提升诊断系统的诊断能力。

发明内容

本发明旨在解决心血管疾病患病率不断上升、专业医疗资源供给短缺、传统心音分析的准确性不高等问题。提出了一种简单方便、节约医疗成本、预测准确的基于深度学习的心音智能诊断系统。本发明的技术方案如下：

一种基于深度学习的心音智能诊断系统，其包括：心音采集设备，智能可穿戴式设备及云端服务器；其中：

心音采集设备(如数字听诊器、心音传感器、智能体检仪等设备)，主要用于采集用户一段时间内的心音数据，将采集得到的声音信号转换成数字信号，心音采集设备输出的已转换为数字信号的心音数据通过互联网或移动网络传输至云端服务器；

智能可穿戴式设备(如包含有心音传感器的智能T恤、智能背心等设备)，主要用于实时无间断地采集用户的心音数据，将采集得到的声音信号转换成数字信号，智能可穿戴式设备输出的已转换为数字信号的心音数据通过互联网或移动网络传输至云端服务器；