[发明专利]一种心音段完整性判断模型及心音自适应分段方法

权利要求书

1.一种心音段完整性判断模型，其特征在于，向该模型输入预处理后的心音数据，得到该心音数据的每一个心音段是否完整的结论，该模型通过以下步骤构建：

步骤A1，收集大量心音数据，其中包含完整心音段正样本和各种不完整心音段负样本；

步骤A2，对收集的心音数据进行人工分段，并对每一个心音段是否完整进行人工标注；

步骤A3，利用分段并标注的心音数据训练1D-CNN网络，即得到完整性判断模型。

2.根据权利要求1所述的心音段完整性判断模型，其特征在于，1D-CNN网络依次包括通过卷积层搭配池化层构造的中间隐藏层、Flatten层、输出层。

3.一种基于权利要求1所述模型的心音自适应分段方法，其特征在于，包括以下步骤：

步骤B1，对待分段心音数据进行降采样、带通滤波、归一化处理；

步骤B2，通过香农熵提取心音包络；

步骤B3，低通滤波平滑包络；

步骤B4，寻找锚点；

步骤B5，基于锚点生成预选框；

步骤B6，通过完整性判断模型筛选完整心音段的预选框；

步骤B7，对完整心音段的预选框进行聚类，得到每个心音周期的中心点，并对完整心音段的所有预选框的长度求均值，得到心音周期的自适应心音段长度suitsize；

步骤B8，排除干扰预选框，然后返回步骤B7，直至不存在干扰预选框；

步骤B9，以步骤B7得到的聚类中心为中点，suitsize为心音长度分割心音段。

4.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B1中的降采样f_s＝8KHz，带通滤波采用通带为25-600Hz的Butterworth带通滤波器。

5.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B3中的低通滤

波采用6阶Butterworth低通滤波器，截止频率400Hz。

6.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B4寻找锚点具体操作为，设定锚点阈值，寻找包络中大于该锚点阈值的极大值点，标定为锚点。

7.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B5，对于每个锚点分别生成0.4、0.5、0.6三个时间长度的预选框，并且对于每个时间长度分别生成三个不同位置的预选框，分别对应可能存在锚点的位置：S1、收缩期、S2。

8.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B7采用均值漂移聚类算法对完整心音段的预选框进行聚类。

9.根据权利要求3所述的心音自适应分段方法，其特征在于，所述步骤B8中的排除干扰预选框具体操作为，设定干扰阈值，筛选所有完整心音段的预选框，若某预选框的中点与离他最近的聚类中心的距离大于该干扰阈值，则删除该预选框。