[发明专利]一种基于卷积神经网络的肺音分类方法、系统及用途

权利要求书

1.一种基于卷积神经网络的肺音分类方法，是将每个声音文件转换成频谱图，每个输入特征图设定为总数I，Q_i(i＝1，…I)连接到卷积层特征图，卷积层特征图设定为总数J，Q_j＝(j＝1,…J)在卷积层中，基于多个局部权重矩阵总共I*J为w_ij(i＝1，…I；j＝1,…J)，映射可以表示为卷积运算：

Qj=σ(Σi=1IOi*wi,j),(j=1,...,J).]]>

2.如权利要求1所述的基于卷积神经网络的肺音分类方法，其特征在于：用Hamming窗口滤波器对每个信号进行带通滤波，使用短时傅里叶变换将每个声音文件转换成频谱图；对于短窗傅里叶变换，使用Hamming窗口重叠；分别对每个位置进行归一化，在每个区域的所有记录中，对每个肺音数据进行归一化，得到仿真肺音大数据集，训练卷积神经网络。

3.如权利要求2所述的基于卷积神经网络的肺音分类方法，其特征在于：所述肺音数据是采用定制手机应用程序和低成本电子听诊器进行收集；通过听诊收集的肺部声音是远程医疗和一般患者监测的肺部疾病诊断的基本组成部分。

4.一种如权利要求1至3任一所述的基于卷积神经网络的肺音分类方法的肺音分类系统，其特征在于：所述肺音分类系统包括短窗口傅里叶变换模块、带通滤波模块、卷积神经网络实现模块和分类识别模块；

所述短窗口傅里叶变换模块用于完成时频域的转换，在连续时间的例子，一个函数可以先乘上仅在一段时间不为零的窗函数再进行一维的短窗傅里叶变换，再将该窗函数沿着时间轴挪移，所得到一系列的短窗傅里叶变换结果排开则成为二维表象；

所述带通滤波模块用于将时域肺音转换到频域进行噪音过滤；

所述卷积神经网络实现模块由仿真生成的精准标注数据训练生成，能准确识别各种年龄患者大样本的模型；

所述分类识别模块用于调用卷积神经网络模型对新数据进行识别。

5.一种如权利要求1至4任一项所述的卷积神经网络在肺音分类当中的用途。