[发明专利]基于咳嗽声识别的病症检测方法及其相关设备

说明书

本发明提供一种基于咳嗽声识别的病症检测方法，其包括以下步骤：获取待测声音信息或训练声音信息，提取待测声音信息的特征梅尔频率倒谱系数，或提取训练声音信息的训练梅尔频率倒谱系数；根据特征梅尔频率倒谱系数，以时间和频率为轴绘制特征梅尔频谱图，或，根据别根据多个训练梅尔频率倒谱系数，且以时间和频率为轴分别绘制多个训练梅尔频谱图；通过预设的卷积神经网络对多个训练梅尔频谱图进行训练，获得特征卷积神经网络模型。与相关技术相比，本发明对病症检测对相关病症的检测过程简单、且检测效率高。

【技术领域】

本发明涉及目标检测领域，尤其涉及一种基于咳嗽声识别的病症检测方法及其相关设备。

【背景技术】

由于传染疾病对人身的伤害大、且涉及人群广，社会公众愈发重视传染疾病的防控与治疗，尤其是针对传染性极强的传染疾病，如果能够在尽可能短的时间内实现对该传染疾病的快速检测，能够帮助个人、医院人员以及国家作出最有效、最快捷的防护措施，因此，如何实现传染疾病的快速检测成为了医疗卫生领域的重要研究方向，尤其在2019年爆发的Covid-19新冠疫情中，针对Covid-19病症快速检测技术显得尤为重要。

相关技术中的针对Covid-19病症检测方法主要为X光拍片和针对Covid-19病毒的核酸检测；X光拍片后，医院人员对被检测对象的胸片进行分析后作出初步的诊断结果；在Covid-19病毒的核酸检测需要进行咽拭子或鼻拭子的样本采集、并对样本进行分析，根据核算检测结果作出诊断结果，该过程一般要4-6个小时。

然而，相关技术中，无论是X光拍片检测还是针对Covid-19病毒的核酸检测，操作的专业要求高、操作过程复杂，而且核酸检测、X光拍片等方法都需要价格高昂的设备，限制了使用的群体，不利于大众化的使用，另外，该两种检测方法均需要耗费大量的时间，而且医院人员是有限的，人力不足也直接使得检测的效率低。

因此，实有必要提供一种新的基于咳嗽声识别的病症检测方法、指纹检测装置及计算机可读存储介质解决上述技术问题。

【发明内容】

本发明的目的在于提供一种基于咳嗽声识别的病症检测方法、指纹检测装置及计算机可读存储介质，解决了指纹痕迹检测清晰度低、检测速度慢且不足以满足实时检测的需求的问题。

为达到上述目的，本发明提供一种基于咳嗽声识别的病症检测方法，该方法包括以下步骤：

步骤S1，实时获取待测声音信息，并提取所述待测声音信息的特征梅尔频率倒谱系数；其中，所述待测声音信息由被检测对象发出；

步骤S2，根据特征梅尔频率倒谱系数，以时间和频率为轴绘制特征梅尔频谱图；

步骤S3，利用特征卷积神经网络模型对所述特征梅尔频谱图进行识别，并根据识别结果输出病症诊断结果；其中，所述特征卷积神经网络模型的获取方法包括如下步骤：

步骤S1a，获取多个训练声音信息，分别提取多个所述训练声音信息的训练梅尔频率倒谱系数；其中，所述训练声音信息由病患者发出，所述训练声音信息与所述训练梅尔频率倒谱系数一一对应设置；

步骤S2a，分别根据多个训练梅尔频率倒谱系数，且以时间和频率为轴分别绘制多个训练梅尔频谱图；其中，所述训练梅尔频率倒谱系数与所述训练梅尔频谱图一一对应设置；

步骤S3a，通过预设的卷积神经网络对多个所述训练梅尔频谱图进行训练，获得所述特征卷积神经网络模型。

优选的，在所述步骤S3中，若所述特征卷积神经网络模型成功识别所述特征梅尔频谱图，则输出确证病症结果，若所述特征卷积神经网络模型无法识别所述特征梅尔频谱图，则输出未确证病症结果。

优选的，在所述步骤S1包括以下步骤：

实时采集被检测对象发出的咳嗽声音，对该咳嗽声音进行分帧处理以获得多帧的待测声音样本；其中，每帧所述待测声音样本的时间长度为2-5秒；