[发明专利]一种用于肺部啰音识别的系统及方法

说明书

一种用于肺部啰音识别的系统及方法，它属于机器学习的分类技术领域。本发明解决了现有研究对肺部啰音识别的准确率低的问题。本发明首先对输入的原始呼吸音信号进行预处理，再根据预处理结果提取原始呼吸音信号的时域和频域特征，将提取出的原始呼吸音信号的时域和频域特征输入神经网络模块获得识别结果。采用本发明方法对原始呼吸音信号进行啰音识别，在测试集上的识别准确率可以达到80％以上。本发明可以应用于肺部啰音的识别。

技术领域

本发明属于机器学习的分类技术领域，具体涉及一种用于肺部啰音识别的系统及方法。

背景技术

啰音是肺部呼吸音的一种，从成因和音色上，啰音可分为干啰音和湿啰音。湿啰音是由于小气道的爆炸性打开造成的，而这条气道异常关闭。它们是短的、爆炸性的、非音乐性的声音，根据音调、持续时间、数量和时间进行评估。此外，湿啰音的频谱在200HZ和2000HZ之间。干啰音是由气道中的空气与支气管壁的相互作用引起的。这些高振幅的声音引起支气管壁几乎相互接触，干啰音的频率范围是可变的。

对肺部啰音的识别具有重要意义，虽然目前国内外已经展开一些针对肺部啰音识别的研究，但是现有研究对肺部啰音识别的准确率仍然较低。

发明内容

本发明的目的是为解决现有研究对肺部啰音识别的准确率低的问题，而提出了一种用于肺部啰音识别的系统及方法。

本发明为解决上述技术问题采取的技术方案是：

基于本发明的一个方面，一种用于肺部啰音识别的系统，所述用于肺部啰音识别的系统包括输入模块、信号预处理与特征提取模块、神经网络模块以及输出模块；

所述输入模块用于输入原始呼吸音信号给信号预处理与特征提取模块；

所述信号预处理与特征提取模块用于对原始呼吸音信号进行预处理，并计算原始呼吸音信号的特征；将计算出的特征输入神经网络模块，神经网络模块根据输入特征获得识别结果；

所述输出模块用于输出神经网络模块的识别结果。

基于本发明的另一个方面，一种用于肺部啰音识别的方法，该方法包括以下步骤：

将原始呼吸音信号通过输入模块输入到信号预处理与特征提取模块；

利用信号预处理与特征提取模块对输入的原始呼吸音信号进行预处理后，计算出原始呼吸音信号的特征；

将原始呼吸音信号特征输入神经网络模块，利用输入特征对神经网络模块进行训练，直至神经网络模块的误差值小于T时停止训练，获得训练好的神经网络模块；

待测呼吸音信号依次通过输入模块、信号预处理与特征提取模块和训练好的神经网络模块后，通过输出模块输出识别结果。

本发明的有益效果是：本发明提出了一种用于肺部啰音识别的系统及方法，本发明首先对输入的原始呼吸音信号进行预处理，再根据预处理结果提取原始呼吸音信号的时域和频域特征，将提取出的原始呼吸音信号的时域和频域特征输入神经网络模块获得识别结果。采用本发明方法对原始呼吸音信号进行啰音识别，在测试集上的识别准确率可以达到80％以上。

附图说明

图1是本发明的一种用于肺部啰音识别的方法的流程图；

图2是粗湿啰音经切比雪夫带通滤波器滤波后的频域波形图；

图3是粗湿啰音经切比雪夫带通滤波器滤波后的时域波形图；

图4是切比雪夫带通滤波器的幅频特性曲线图；

图5是切比雪夫带通滤波器的相频特性曲线图；

图6是空间中多个将两类训练样本分开的超平面的示意图；