[发明专利]一种电子听诊器的肺部啰音人工智能实时分类方法、系统、装置及可读存储介质

说明书

本发明涉及计算机听觉、人工智能技术领域，尤其为一种电子听诊器的肺部啰音人工智能实时分类方法，包括：通过电子听诊器实时采集肺音信号，并对肺部啰音自动分类，采集的数据滑动提取每2秒为一个数据块通过带通滤波器与归一化，利用对数梅尔滤波器组变换，计算出三个通道的数据矩阵，并输入一个预先搭建并训练好的卷积神经网络，该卷积神经网络的输出为四种肺音状况的概率值，系统联合多个数据块的结果给出最终的四种肺音状况的概率值。本发明，可以有效的提高啰音检测与分类结果的鲁棒性。本发明还公开了一种电子听诊器的肺部啰音人工智能实时分类系统、装置及计算机可读存储介质，与上述方法具有相同的有益效果。

技术领域

本发明涉及计算机听觉、人工智能技术领域，具体为一种电子听诊器的肺部啰音人工智能实时分类方法、系统、装置及可读存储介质。

背景技术

由于环境污染，空气质量恶化的影响，哮喘、肺炎、支气管炎等各种呼吸疾病的发病率正在逐年提高，每年有近100万5岁以下儿童死于急性下呼吸道感染，死亡人数超过艾滋病毒、疟疾和结核病溃疡的总和。由于呼吸系统的病变已成为严重威胁人类健康的疾病之一，对呼吸疾病准确的诊断和有效的治疗是保障患者尽早康复的有效方式。

目前医院用来检查和鉴定呼吸疾病的方法有：(1)胸部X线：这种方法可以记录肺部的大体病变,如肺部炎症、肿块、结核等。(2)肺CT：这种方法有助于对胸部X线发现的问题作出定性诊断，如肿块的类别、位置等。(3)支气管镜检查：这种方法用来确诊大多数肺部及气道疾病。但这些方法不仅价格昂贵而且相对会对人体造成影响，并且由于地域的限制，有些人可能无法接触到这些诊断的方法。

听诊是对呼吸疾病最早期也是最直接的检查手段之一。医护人员主要通过听诊器听取患者的呼吸音是否含有啰音——主要包括湿啰音和喘鸣音，图1展示了含有不同附加啰音的呼吸音，其中(a)包含湿啰音，(b)包含喘鸣音，(c)同时包含湿啰音和喘鸣音，(d)是正常的呼吸音。然而这种方法一直受制于听诊环境、医技水平等因素。

现有技术中，如公开号CN106022258A公开的数字听诊器与滤除心音提取肺音的方法，采用离散熵值先筛选出部分有效帧，然后对筛选的有效帧提取其平均幅值作为阈值，通过此阈值得到包含心音的肺音帧，再进行小波变换并使用阈值滤除相关的小波系数从而得到相对纯净的肺音帧。对肺音帧进行MFCC特征参数矩阵提取，并将此特征参数矩阵送入传统的后向传播(BP)网络进行类别判断。此方法需要通过两次阈值判断，相关的有用信息会在阈值判断中丢失，从而降低了MFCC特征参数矩阵的有效性。

如CN107704885A公开的在智能平台上实现心音与肺音分类的方法，首先对收到的数据进行5点重采样，采样频率为2205Hz，得到重采样信号之后进行滤波处理，设置带通最大衰减为3db，阻带最小衰减为18db。接着利用dmey小波进行小波去噪，得到去噪信号之后利用自相关系数进行分段。然后对每个分段提取MFCC特征参数矩阵并将特征参数矩阵输入支持向量机(SVM)分类器进行分类处理。但SVM分类器在处理如MFCC特征参数矩阵等高维的数据时并不是非常的高效，并且此方法也没有给出一种可以实时分类的方法。

如B.Mohammed发表的论文“Pattern recognition methods applied torespiratory sounds classification into normal and wheeze classes”结合MFCC特征与高斯混合模型(GMM)对正常肺音与含喘鸣音的肺音进行分类；P.Mayorga发表的论文“Acoustics based assessment of respiratory diseases using GMM classification”也同样使用GMM来对肺音的啰音进行分类；S.Alsmadi等人发表的论文“Design of a DSP-based instrument for real-time classification of pulmonary sounds”使用K-最近邻(K-NN)和最小距离准则来对肺音整体是否异常做出判断。