[发明专利]一种心音分类模型构建、分类方法及装置有效
申请号: | 201910725700.X | 申请日: | 2019-08-07 |
公开(公告)号: | CN110580448B | 公开(公告)日: | 2022-12-13 |
发明(设计)人: | 尹学良;尹学梅;刘云生;聂涛 | 申请(专利权)人: | 北京必安必恒科技发展有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 西安恒泰知识产权代理事务所 61216 | 代理人: | 李婷 |
地址: | 100016 北京市朝阳*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 心音 分类 模型 构建 方法 装置 | ||
本发明公开了一种心音分类模型构建、分类方法及装置,本发明提供了一种与现有技术完全不同的心音分类模型构架,考虑到对象特点以及心音特点,设置了预分类网络对频域特征进行预分类,将频域特征预分类后的结果再与时域特征以及待检测对象的个体特征进行融合后再输入至再分类网络中,获得准确的分类结果,从而提高了心音分类模型构建的准确性,提高了心音分类的准确率。
技术领域
本发明涉及心音分类方法及装置,具体涉及一种心音分类模型构建、分类方法及装置。
背景技术
现有技术中利用心音检测心脏或心血管异常的分析手段还很匮乏,并且在传统医院中检测的手段都太复杂或者代价太大(如冠心病检查的金标准手段血管照影相当于一次不小的手术)。
由于心音的采集过程具有偶发噪声以及被采集个体在采样的过程中身体紧张会导致心音采集的数据质量有较大变化,现有技术中的心音分类模型往往存在易于受噪声影响、同时缺少局部特征和全局特征的统筹考虑,会出现心音分类模型构建的不准确的问题,进而导致心音分类不准确的问题。
发明内容
本发明的目的在于提供一种心音分类模型构建、分类方法及装置,用以解决现有技术中的心音分类模型构建存在的缺少局部特征和全局特征的统筹考虑问题,从而导致分类准确率不高的问题。
为了实现上述任务,本发明采用以下技术方案:
一种心音分类模型构建方法,所述的方法按照以下步骤执行:
步骤1、获取多个对象的初始心音信号序列,获得初始心音信号集;
获取每一个对象的个体信息,获取个体信息集;
对所述初始心音信号集中的每一个初始心音信号序列进行标签标注,获得标签集,所述的标签包括正常心音以及非正常心音;
步骤2、对初始心音信号集中每一个初始心音信号序列进行预处理,获得预处理后的心音信号集;
所述预处理后的心音信号集中每一个预处理后的心音信号序列对应一个对象;
步骤3、从预处理后的心音信号集以及个体信息集中提取每一个对象的心音特征,获得心音特征集;
所述心音特征集包括频域特征子集、时域特征子集以及个体特征子集;
其中频域特征子集包括每一个对象的频域特征,所述的频域特征包括多个频域子数据;
步骤4、将所述的心音特征集作为输入,所述的标签集作为输出,训练神经网络;
所述的神经网络包括依次连接的预分类网络以及再分类网络;
所述的预分类网络用于对所述的频域特征子集中的每一个对象的多个频域子数据进行预分类,输出每一个对象的预分类结果子集;
所述的再分类网络用于输入所述的预分类结果子集、时域特征子集以及个体特征子集后进行分类,输出标签;
获得心音分类模型。
进一步地,所述的预分类网络包括依次设置的特征提取层、数据融合层、第一卷积层以及全连接层;
其中所述的特征提取层包括特征提取模块;
所述的特征提取模块包括依次设置的输入子模块、卷积子模块、激活子模块以及池化子模块;
其中所述的输入子模块用于对每一个对象的所有频域子数据进行预处理,获得预处理后的频域子数据;
所述卷积子模块、激活子模块以及池化子模块用于对预处理后的频域子数据进行预分类,输出每一个对象的预分类结果子集。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京必安必恒科技发展有限公司,未经北京必安必恒科技发展有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910725700.X/2.html,转载请声明来源钻瓜专利网。