[发明专利]基于深度学习模型的心音信号检测方法及系统

说明书

本申请涉及基于深度学习模型的心音信号检测方法及系统，具体而言，涉及心音信号检测领域。本申请提供一种基于深度学习模型的心音信号检测方法，方法包括：获取检测者的心音信号并使用预设算法提取心音信号的特征信息。所述检测系统包括：获取模块、提取模块和输出模块，所述获取模块用于获取检测者的心音信号，所述提取模块用于使用预设算法提取所述心音信号的特征信息，所述输出模块用于将提取的心音信号特征信息输出。通过本发明提供的系统及检测方法，可以对心音信号进行准确提取。

技术领域

本申请涉及心音信号检测领域，具体而言，涉及一种基于深度学习模型的心音信号检测方法及系统。

背景技术

心音信号(heart sound)指由心肌收缩、心脏瓣膜关闭和血液撞击心室壁、大动脉壁等引起的振动所产生的声音。人们在不同的条件下心音信号大小是不同的，不同健康状态的人，心音信号也不相同。

现有技术都是在强调如何区分正常和异常心音信号，但是在实际应用中，一般是根据医师的经验，对心音信号进行判断，导致判断结果主观意识较强，易于产生误判。

发明内容

本发明的目的在于，针对上述现有技术中的不足，提供一种基于深度学习模型的心音信号检测方法及系统，以解决现有技术中在实际应用中，一般是根据医师的经验，对心音信号进行判断，导致判断结果主观意识较强，易于产生误判的问题。

为实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本申请提供一种基于深度学习模型的心音信号检测方法，方法包括：

获取检测者的心音信号；

使用预设算法提取心音信号的特征信息；

根据心音信号的特征信息以及预设的心音信号的特征信息与病症信息的对应关系，得到检测者的病症信息。

可选地，该方法还包括：

获取病症信息与心电信号的对应关系；

使用预设算法获取心电信号的特征信息；

将病症信息与病症信息对应的心电信号的特征信息进行对应，建立病症信息与心电信号的特征信息的第一对应表。

可选地，该方法还包括：

多次获取多个检测者的心电信号和心音信号；

根据病症信息与心电信号的特征信息的对应表，以及心电信号和心音信号的对应关系，建立心音信号与病症信息的第二对应表。

可选地，该方法还包括：

将获取的检测者的心电信号与病症信息的对应关系，与第一对应表进行匹配；

若匹配成功，则根据检测者心电信号与病症信息的对应关系，得到心音信号与病症的对应关系；

若匹配不成功，则将心电信号与病症信息的对应关系，添加到第一对应表中；并且根据心电信号和心音信号的对应关系，得到心音信号与病症信息的对应关系，并将心音信号与病症信息的对应关系添加到第二对应表中。

可选地，该使用预设算法提取心音信号的特征信息的步骤包括：

使用预设滤波算法对检测者的心音信号进行滤波；

使用预设包络算法，得到心音信号中的收缩期和舒张期；

使用梅尔倒频系数提取算法分别提取收缩期的心音信号中的特征信息，和舒张期的心音信号中的特征信息，其中，特征信息包括：梅尔倒频谱系数、倒频率谱、共振峰。

第二方面，本申请提供一种基于深度学习模型的心音信号检测系统，系统包括：获取模块、提取模块和输出模块；