[发明专利]一种异常肺部听诊音智能识别系统有效

专利信息
申请号: 202011578543.3 申请日: 2020-12-28
公开(公告)号: CN112687281B 公开(公告)日: 2022-08-30
发明(设计)人: 易高;魏凌云;孟飞;江先汉;徐书羿;韩栋;章莹;曾永杰 申请(专利权)人: 广州医科大学附属第五医院
主分类号: G10L17/26 分类号: G10L17/26;G10L17/18;G10L25/18;G10L25/21;G10L25/24;G10L17/02;A61B7/04;A61B7/00
代理公司: 北京高沃律师事务所 11569 代理人: 王爱涛
地址: 510700 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 异常 肺部 听诊 智能 识别 系统
【权利要求书】:

1.一种异常肺部听诊音智能识别系统,其特征在于,所述系统包括:肺部听诊音采集装置、控制器、终端和云端;

所述肺部听诊音采集装置的信号输出端与所述控制器连接,所述肺部听诊音采集装置用于采集监测对象的数字肺部听诊音信号,并将所述数字肺部听诊音信号传输至所述控制器;

所述控制器与所述终端无线连接,所述控制器用于对所述数字肺部听诊音信号进行数字带通滤波,并将所述数字肺部听诊音信号转换为wav格式的肺部听诊音信号,并将所述wav格式的肺部听诊音信号无线传输至所述终端;

所述终端与所述云端连接,所述终端用于将所述wav格式的肺部听诊音信号传输至所述云端;在数据管理方面,云端建立针对异常肺部听诊音的实时检测大数据平台,完整记录每一个监测对象的生理关键参数,包括基本信息与关键生理参数;

所述云端用于获得所述wav格式的肺部听诊音信号的肺部听诊音种类,当所述wav格式的肺部听诊音信号的肺部听诊音种类为异常声音时,获得异常声音所在的呼吸周期,并将所述异常声音所在的呼吸周期和所述异常声音均传输至所述终端进行显示;所述异常声音包括异常呼吸音和啰音,所述异常呼吸音包括异常肺泡呼吸音、异常支气管呼吸音和异常支气管肺泡呼吸音,所述啰音包括干啰音和湿啰音;

所述云端包括:

wav格式的肺部听诊音信号获取模块,用于获取监测对象的wav格式的肺部听诊音信号;

滤波后的肺部听诊音信号获得模块,用于对所述wav格式的肺部听诊音信号进行滤波,获得滤波后的肺部听诊音信号;

多段肺部听诊音周期信号获得模块,用于基于Viola积分多尺度特征波形法的周期分段算法,对所述滤波后的肺部听诊音信号按照呼吸周期进行周期性分段,获得多段肺部听诊音周期信号;

特征向量获得模块,用于利用梅尔频率倒谱系数的提取方法对每段肺部听诊音周期信号分别进行特征提取,获得每段肺部听诊音周期信号的特征向量;

概率输出模块,用于将每段肺部听诊音周期信号的特征向量分别输入训练好的长短时记忆神经网络中,输出每段肺部听诊音周期信号为每种肺部听诊音种类的概率;所述训练好的长短时记忆神经网络的输出层为6层,总层数为50层;

每段肺部听诊音周期信号的肺部听诊音种类分类模块,用于将概率最大的肺部听诊音种类确定为每段所述肺部听诊音周期信号的肺部听诊音种类;

异常肺部听诊音确定模块,用于提取所有段肺部听诊音周期信号的肺部听诊音种类中的异常声音,并将所有异常声音作为所述监测对象的异常肺部听诊音。

2.根据权利要求1所述的异常肺部听诊音智能识别系统,其特征在于,所述肺部听诊音采集装置包括:声音传感器和A/D转换器;

所述声音传感器的信号输出端与所述A/D转换器的输入端连接,所述声音传感器用于采集模拟肺部听诊音信号,并将所述模拟肺部听诊音信号传输至所述A/D转换器;

所述A/D转换器的输出端与所述控制器连接,所述A/D转换器用于将所述模拟肺部听诊音信号转换为数字肺部听诊音信号,并将所述数字肺部听诊音信号传输至所述控制器。

3.根据权利要求1所述的异常肺部听诊音智能识别系统,其特征在于,所述系统还包括:存储卡;

所述存储卡与所述控制器连接,所述控制器用于将所述wav格式的肺部听诊音信号传输至所述存储卡进行存储。

4.根据权利要求1所述的异常肺部听诊音智能识别系统,其特征在于,所述系统还包括:监控端;

所述云端与所述监控端连接,所述云端用于将所述异常声音所在的呼吸周期和所述异常声音传输至所述监控端。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州医科大学附属第五医院,未经广州医科大学附属第五医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011578543.3/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top