[发明专利]一种基础心音识别方法及设备

权利要求书

1.一种基础心音识别方法，其特征在于，包括：

采集多个原始心音数据；

对多个所述原始心音数据进行低通滤波，并计算多个所述原始心音数据所对应的同态包络；

采用双门限法对多个所述同态包络进行筛选，得到至少一个备选心音数据段；

将至少一个所述备选心音数据段进行短时傅里叶变换，得到至少一个所述备选心音数据段所对应的备选心音段时频谱；

将至少一个所述备选心音段时频谱输入心音识别分支卷积神经网络进行分类，得到至少一个所述备选心音段时频谱的分类结果， 所述分类结果包括 S1 、 S2 以及干扰心音 ；

其中，所述心音识别分支卷积神经网络包括两层卷积层、两层全连接层和一层softmax层；第一层卷积层为二分支卷积层，两个分支的卷积核结构分别为64×3×3和64×5×5，第二层卷积层的卷积核结构为128×3×3，第一层全连接层的神经元个数为256个，第二层全连接层的神经元个数为512个；所述softmax层采用softmax函数k、n、N为正整数，x_k表示第k个类别对应神经元的输出值，x_n表示第n个类别对应神经元的输出值，k，n∈[1，N]，N为类别数。

2.根据权利要求1所述的方法，其特征在于，采集所述原始心音数据之前，所述方法还包括：

获取训练心音数据集，其中，所述训练心音数据集中包括多个训练心音数据段，每个所述训练心音数据段包括标注信息；

将多个所述训练心音数据段进行短时傅里叶变换，得到所述训练心音数据段所对应的训练心音段时频谱；

将多个所述训练心音段时频谱输入待训练分支卷积神经网络进行训练，得到训练完成的所述心音识别分支卷积神经网络，其中所述待训练分支卷积神经网络与训练完成的所述心音识别分支卷积神经网络的结构相同。

3.根据权利要求2所述的方法，其特征在于，所述将多个所述训练心音段时频谱输入待训练分支卷积神经网络进行训练，包括：

在对所述待训练分支卷积神经网络进行训练时，采用交叉熵损失函数更新所述待训练分支卷积神经网络中卷积核的参数；

其中，p(x_n)表示x_n的真实概率分布，q(x_n)表示x_n的预测概率分布。

4.根据权利要求1-3任一所述的方法，其特征在于，所述备选心音段时频谱和所述训练心音段时频谱的大小为17×12。

5.根据权利要求2所述的方法，其特征在于，所述标注信息包括所述训练心音数据段的开始数据点、截止数据点以及类别标签。

6.根据权利要求5所述的方法，其特征在于，所述类别标签包括第一心音S1、第二心音S2和干扰杂音。

7.根据权利要求2所述的方法，其特征在于，在将多个所述训练心音段时频谱输入待训练分支卷积神经网络进行训练之前，所述方法还包括：

向多个所述训练心音数据段中的每个所述训练心音数据段混入白噪声，构建多个不同信噪比的所述训练心音数据段；

所述将多个所述训练心音段时频谱输入待训练分支卷积神经网络进行训练，包括：

将多个不同信噪比的所述训练心音数据段进行短时傅里叶变换，得到多个不同信噪比的所述训练心音数据段所对应的训练心音段时频谱；

将多个不同信噪比的所述训练心音段时频谱输入待训练分支卷积神经网络进行训练。

8.根据权利要求1所述的方法，其特征在于，所述原始心音数据的数据精度为16bit；

在对多个所述原始心音数据进行低通滤波之前，所述方法还包括：

将所述原始心音数据进行归一化到[-1,1]区间。

9.根据权利要求1所述的方法，其特征在于，所述对所述原始心音数据进行低通滤波，包括：

采用1阶低通滤波器对所述原始心音数据进行低通滤波，其中，所述1阶低通滤波器的截止频率为10Hz。

10.一种基础心音识别设备，其特征在于，所述设备包括处理器、存储器和传感器；

所述传感器，用于采集多个原始心音数据；

所述存储器用于存储指令，当所述处理器调用存储在所述存储器中的指令时，使得所述处理器，用于对多个所述原始心音数据进行低通滤波，并计算多个所述原始心音数据所对应的同态包络；采用双门限法对多个所述同态包络进行筛选，得到至少一个备选心音数据段；将至少一个所述备选心音数据段进行短时傅里叶变换，得到至少一个所述备选心音数据段所对应的备选心音段时频谱；将至少一个所述备选心音段时频谱输入心音识别分支卷积神经网络进行分类，得到至少一个所述备选心音段时频谱的分类结果，所述分类结果包括 S1 、 S2 以及干扰心音 ；

其中，所述心音识别分支卷积神经网络包括两层卷积层、两层全连接层和一层softmax层；第一层卷积层为二分支卷积层，两个分支的卷积核结构分别为64×3×3和64×5×5，第二层卷积层的卷积核结构为128×3×3，第一层全连接层的神经元个数为256个，第二层全连接层的神经元个数为512个；所述softmax层采用softmax函数k、n、N为正整数，x_k表示第k个类别对应神经元的输出值，x_n表示第n个类别对应神经元的输出值，k，n∈[1，N]，N为类别数。