[发明专利]基于深度神经网络架构的肺音识别方法、装置和设备

权利要求书

1.一种基于深度神经网络架构的肺音识别方法，包括：

建立支气管仿真模型，设置仿真条件对所述支气管仿真模型进行仿真得到肺音声压级频谱，再计算出声压级频谱包络曲线，其中，所述声压级频谱包括声压级和频率之间的关系，所述声压级频谱包络曲线是将声压级频谱中不同频率的振幅最高点连结起来得到的曲线，所述声压级频谱包括N类声压级频谱，N为大于等于2的整数；

基于所述声压级频谱和所述声压级频谱包络曲线，确定肺部声学滤波器组包括：确定所述肺部声学滤波器组中第一数量个滤波器的中心频率；其中，所述确定所述肺部声学滤波器组中第一数量个滤波器的中心频率包括：针对所述N类声压级频谱中的任一类声压级频谱，处理所述任一类声压级频谱，得到与多个声压级频谱一一对应的多个截止频率；将与所述N类声压级频谱一一对应的多个截止频率进行排序处理，其中截止频率小于或等于300Hz；对排序后的多个截止频率进行筛选处理，得到肺部声学滤波器组中第一数量个滤波器的中心频率，第一数量为W；其中，所述对排序后的多个截止频率进行筛选处理包括：确定所述排序后的多个截止频率中是否存在重复，若存在，则删除多个截止频率中重复的频率值；取删除重复频率值后剩余的截止频率中最小截止频率作为第一数量个滤波器的第一个中心频率，找到比第一个中心频率大的截止频率中与第一个中心频率的差值大于或等于25Hz的最小频率值，作为第一数量个滤波器的第二个中心频率，以此类推，得到第一数量个滤波器的所有中心频率；

将待识别肺音数据进行傅里叶变换后，通过所述肺部声学滤波器组对傅里叶变换后的待识别肺音频谱进行滤波处理得到滤波后的频谱，再对滤波后的频谱进行倒谱分析和离散余弦变换，得到待识别肺音数据的声学特征；以及

将所述待识别肺音数据的声学特征输入到经训练肺音识别系统中，以识别所述待识别肺音数据的肺音类别，其中，所述经训练肺音识别系统是利用深度神经网络架构建立的。

2.根据权利要求1所述的方法，其中：

所述建立支气管仿真模型包括：

建立基础支气管模型；以及

基于所述基础支气管模型构建多类支气管模型；

所述基于所述基础支气管模型构建多类支气管模型包括：修改所述基础支气管模型的几何参数从而构建得到所述多类支气管模型；

所述声压级频谱包括：

利用所述基础支气管模型进行仿真得到的第一类声压级频谱；以及

利用所述多类支气管模型进行仿真得到的与所述多类支气管模型一一对应的多类声压级频谱，

其中，所述多类声压级频谱包括N-1类声压级频谱，所述第一类声压级频谱和所述多类声压级频谱组成所述N类声压级频谱，N为大于等于2的整数，

其中，所述N类声压级频谱中的任一类声压级频谱均包括多个声压级频谱，所述多个声压级频谱包括对肺部模型多个仿真位置点进行仿真得到的声压级频谱。

3.根据权利要求2所述的方法，其中，所述确定肺部声学滤波器组还包括：

确定所述肺部声学滤波器组中第二数量个滤波器的中心频率；以及

确定所述肺部声学滤波器组中第三数量个滤波器的中心频率。

4.根据权利要求3所述的方法，其中，所述确定所述肺部声学滤波器组中第二数量个滤波器的中心频率包括：

针对与所述第一数量个滤波器对应的第一数量个中心频率，确定所述第一数量个中心频率中最大的中心频率；

在第一数量个中心频率中最大的中心频率至2000Hz范围内，确定与所述N类声压级频谱一一对应的N类声压级频谱包络曲线，所述N类声压级频谱包络曲线中的任一类声压级频谱包络曲线均包括16个声压级频谱包络曲线，以得到16×N个声压级频谱包络曲线；

将从所述16×N个声压级频谱包络曲线中确定出的包络峰值频率进行筛选，删除所述包络峰值频率中重复的频率值，将保留下的包络峰值频率由小到大排列并进行筛选，取最小包络峰值频率作为滤波器组的第W+1个中心频率，找到比第W+1个中心频率大的包络峰值频率中与第W+1个中心频率的差值大于或等于50Hz的最小频率值，作为第W+2个中心频率，以此类推，得到第二数量个滤波器的所有中心频率，第二数量为M。