[发明专利]一种基于深度学习和云平台的肺音特征分类系统及方法在审
申请号: | 201910918508.2 | 申请日: | 2019-09-26 |
公开(公告)号: | CN110532424A | 公开(公告)日: | 2019-12-03 |
发明(设计)人: | 刘满禄;赵子豪;张华;宋宇;张静;周建 | 申请(专利权)人: | 西南科技大学;绵阳市人民医院 |
主分类号: | G06F16/65 | 分类号: | G06F16/65;G06F16/683;G06F16/28;G06N3/08;A61B7/00 |
代理公司: | 51229 成都正华专利代理事务所(普通合伙) | 代理人: | 李亚男<国际申请>=<国际公布>=<进入 |
地址: | 621010 四川*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 肺音 特征分类 数据预处理模块 医师 结果反馈模块 数据采集模块 特征训练模块 图像数据获取 听诊 电子听诊器 特征获取 特征数据 云平台 主观性 胸透 诊断 学习 | ||
本发明公开了一种基于深度学习和云平台的肺音特征分类系统及方法,系统包括肺音数据采集模块、数据预处理模块、语谱图图像数据获取模块、特征训练模块、特征分类模块和结果反馈模块。本发明可通过电子听诊器获取肺音,避免了人工听诊导致肺音特征获取不准确、X胸透诊断法和CT诊断法伤身的问题,本发明可以实现无主观性的获取肺音的特征,为医师提供肺音特征数据,便于医师进行后续的诊断。
技术领域
本发明涉及声音信号处理领域,具体涉及一种基于深度学习和云平台的肺音特征分类系统及方法。
背景技术
肺音是呼吸系统气体交换时产生的生理信号。异常肺音是呼吸系统产生病变时在一个呼吸周期中渗入到正常肺音的附加音,如哮鸣音、湿罗音和爆裂音等。哮鸣音常见于阻塞性肺疾病(如支气管哮喘,囊性纤维化);湿罗音常见于大叶性肺炎、肺充血和肺水肿的早期,也见于细支气管和肺泡炎等疾病;爆裂音常见于肺间质纤维化,慢性支气管炎病人也会有此异常肺音。气管壁的周期性震荡是哮鸣音的来源;湿罗音的发生是由于气体经过呼吸道与气道的分泌物(比如积液、痰、血等)作用后形成了水泡,最后破裂形成的肺音;气流与气管壁表面摩擦产生的间歇性脉冲是爆裂音的来源,持续时间短,约为5ms。肺音传导至人体前胸皮肤处和胸腔后背处,在此处采集的肺音往往混有环境噪音、皮肤摩擦音和心音的干扰,由于肺音通常用于帮助医师判断可能存在的病情,因此如何减小和消除这些干扰对肺音信号的影响,这是在对病人进行肺音诊断时必须考虑的。
肺音信号中蕴含着丰富的信息,这些信息对临床疾病的诊断和鉴别起着重要的作用,目前,在临床医学上对肺音疾病最常用的定性方法仍是人工听诊方法、X胸透诊断法和CT诊断法。通常,正确的听诊结果可辅助于其他检查结论,进而提高听诊效率和准确性。然而对于人工听诊方法来说,由于采用传统听诊器,其传导性能,频率范围等因素都可以影响到最终的结果,所以对于这种结果很难让专业人士信服。在X胸透诊断法和CT诊断法中,采用X射线穿透人体进行检查,若病人接触的X射线过多,超过身体能承受的范围,就可能产生放射性反应,甚至会有一定程度上遭受放射性损害。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于深度学习和云平台的肺音特征分类系统及方法解决了人工听诊肺音准确率不足,以及X胸透诊断法和CT诊断法伤身的问题。
为了达到上述发明目的,本发明采用的技术方案为:
提供一种基于深度学习和云平台的肺音特征分类系统,其包括肺音数据采集模块、数据预处理模块、语谱图图像数据获取模块、特征训练模块、特征分类模块和结果反馈模块;
肺音数据采集模块,用于采集不同年龄段已知肺音特征的肺音音频数据;用于采集待分类肺音特征的肺音音频数据及年龄信息;
数据预处理模块,用于对肺音音频数据进行杂音过滤预处理,分别得到预处理后的不同年龄段已知肺音特征的肺音音频数据,和预处理后的待分类肺音特征的肺音音频数据;
语谱图图像数据获取模块,用于对预处理后肺音音频数据进行语谱图处理,分别获取不同年龄段已知肺音特征的语谱图图像数据,和待分类肺音特征的语谱图图像数据;
特征训练模块,用于建立数据库、搭建云平台并在云平台上建立深度学习网络,将不同年龄段已知肺音特征的语谱图图像数据及其对应的肺音特征作为深度学习网络的训练数据进行分类训练,获取训练后的深度学习网络;
特征分类模块,用于将待分类肺音特征的语谱图图像数据及年龄信息作为最新训练后的深度学习网络的输入,通过最新训练后的深度学习网络对该肺音的特征进行分类;
结果反馈模块,用于将输出特征分类模块所得到的分类结果保存至数据库并输出;根据专家系统获取该待分类肺音特征的肺音的真实肺音特征,并将该待分类肺音特征的肺音数据、年龄信息及其肺音特征作为训练数据对当前深度学习网络进行再训练,得到新的训练后的深度学习网络。
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西南科技大学;绵阳市人民医院,未经西南科技大学;绵阳市人民医院许可,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/201910918508.2/2.html,转载请声明来源钻瓜专利网。