[发明专利]用于检测异常心音的分类器集成

权利要求书

1.一种用于区分正常心音与异常心音的心音图(PCG)信号联合分析器(40)，所述PCG信号联合分析器(40)包括处理器(42)和存储器(43)，所述PCG信号联合分析器被配置为：

将基于特征的分类器(60)应用于PCG信号，以获得由所述PCG信号表示的心音的基于特征的异常分类；

将深度学习分类器(70)应用于所述PCG信号，以获得由所述PCG信号表示的所述心音的深度学习异常分类；

将最终决策联合分析器(80)应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类和所述深度学习异常分类，以确定所述PCG信号的最终异常分类决策；并且

报告所述PCG信号的所述最终异常分类决策。

2.根据权利要求1所述的PCG信号联合分析器(40)，

其中，所述处理器(42)和所述存储器(43)还被配置为在将所述基于特征的分类器(60)和所述深度学习分类器(70)应用于所述PCG信号之前调节所述PCG信号；并且

其中，对所述PCG信号的调节包括：

将尖峰滤波器应用于所述PCG信号，以及

将所述PCG信号分割成多个心音状态。

3.根据权利要求1所述的PCG信号联合分析器(40)，其中，将所述基于特征的分类器(60)应用于所述PCG信号包括：

从所述PCG信号中提取特征向量，所述特征向量包括时域特征和频域特征；并且

将AdaBoost-abstain分类器应用于所述特征向量，以确定由所述PCG信号表示的所述心音的所述基于特征的异常分类。

4.根据权利要求1所述的PCG信号联合分析器(40)，其中，将所述深度学习分类器(70)应用于所述PCG信号包括：

从所述PCG信号中提取心动周期；

将所述心动周期分解成频带；并且

将卷积神经网络应用于所述频带，以确定由所述PCG信号表示的所述心音的所述深度学习异常分类。

5.根据权利要求1所述的PCG信号联合分析器(40)，其中，将所述最终决策分析器(80)应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类和由所述PCG信号表示的所述心音的所述深度学习异常分类包括：

将根据最终决策规则的异常阈值与由所述PCG信号表示的所述心音的所述基于特征的异常分类和由所述PCG信号表示的所述心音的所述深度学习异常分类进行比较。

6.根据权利要求1所述的PCG信号联合分析器(40)，其中，所述处理器(42)和所述存储器(43)还被配置为：

将所述基于特征的分类器(60)应用于PCG信号，以获得由所述PCG信号表示的所述心音的基于特征的噪声分类；并且

将所述最终决策联合分析器(80)应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类、所述基于特征的噪声分类和所述深度学习异常分类，以确定所述PCG信号的所述最终异常分类决策。

7.根据权利要求1所述的PCG信号联合分析器(40)，其中，所述处理器(42)和所述存储器(43)还被配置为：

将所述深度学习分类器(70)应用于PCG信号，以获得由所述PCG信号表示的所述心音的深度学习噪声分类；并且

将所述最终决策联合分析器(80)应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类、所述深度学习异常分类和所述深度学习噪声分类，以确定所述PCG信号的所述最终异常分类决策。

8.根据权利要求1所述的PCG信号联合分析器(40)，其中，所述PCG信号的所述最终异常分类决策是以下中的一个：

所述PCG信号的正常分类；以及

所述PCG信号的异常分类。

9.根据权利要求1所述的PCG信号联合分析器(40)，其中，所述PCG信号的所述最终异常分类决策是以下中的一个：

所述PCG信号的正常分类决策；

所述PCG信号的异常分类决策；以及

所述PCG信号的不确定的分类决策。