[发明专利]肠鸣音的识别方法、装置、存储介质及计算机设备

权利要求书

1.一种肠鸣音的识别方法，其特征在于，所述方法包括：

获取待识别的肠鸣音信号，对所述待识别的肠鸣音信号进行特征提取，得到时域特征、频域特征以及倒谱域特征；

将所述时域特征、所述频域特征及所述倒谱域特征分别输入到训练好的第一深度网络模型、第二深度网络模型及第三深度网络模型，得到对应的第一识别结果、第二识别结果及第三识别结果；

根据所述第一识别结果、所述第二识别结果及所述第三识别结果，确定目标识别结果。

2.如权利要求1所述的肠鸣音的识别方法，其特征在于，所述根据所述第一识别结果、所述第二识别结果及所述第三识别结果，确定目标识别结果，包括：

获取所述第一识别结果、所述第二识别结果及所述第三识别结果分别对应的第一权重、第二权重及第三权重；

根据所述第一识别结果及对应的所述第一权重、所述第二识别结果及对应的所述第二权重及所述第三识别结果及对应的第三权重进行加权处理，得到所述目标识别结果。

3.如权利要求2所述的肠鸣音的识别方法，其特征在于，所述第一权重小于所述第二权重，所述第二权重小于所述第三权重。

4.如权利要求1所述的肠鸣音的识别方法，其特征在于，所述第一深度网络模型、所述第二深度网络模型及所述第三深度网络模型的训练，包括：

获取多个样本肠鸣音信号，对多个所述样本肠鸣音信号进行特征提取，得到每个所述样本肠鸣音信号对应的样本时域特征、样本频域特征及样本倒谱域特征；

根据每个所述样本肠鸣音信号对应的样本时域特征、样本频域特征及样本倒谱域特征进行标注，得到每个所述样本肠鸣音信号对应的样本第一识别结果、样本第二识别结果及样本第三识别结果；

根据多个样本时域特征及对应的样本第一识别结果训练所述第一深度网络模型，得到训练好的所述第一深度网络模型；

根据多个样本频域特征及对应的样本第二识别结果训练所述第二深度网络模型，得到训练好的所述第二深度网络模型；

根据多个样本倒谱域特征及对应的样本第三识别结果训练所述第三深度网络模型，得到训练好的所述第三深度网络模型。

5.如权利要求1所述的肠鸣音的识别方法，其特征在于，在所述获取待识别的肠鸣音信号的步骤之前，还包括：

获取初始肠鸣音信号；

对所述初始肠鸣音信号进行分帧处理，得到多帧所述待识别的肠鸣音信号。

6.如权利要求5所述的肠鸣音的识别方法，其特征在于，所述对所述初始肠鸣音信号进行分帧处理，包括：

根据所述初始肠鸣音信号的特征确定分帧长度，根据所述分帧长度确定目标帧移；

根据所述分帧长度和所述目标帧移对所述初始肠鸣音信号进行分帧处理。

7.如权利要求1所述的肠鸣音的识别方法，其特征在于，在所述获取待识别的肠鸣音信号的步骤之前，还包括：

获取初始肠鸣音信号；

对所述初始肠鸣音信号进行滤波处理和降噪处理，得到所述待识别的肠鸣音信号。

8.一种肠鸣音的识别装置，其特征在于，所述装置包括：

提取模块，用于获取待识别的肠鸣音信号，对所述待识别的肠鸣音信号进行特征提取，得到时域特征、频域特征以及倒谱域特征；

识别模块，用于将所述时域特征、所述频域特征及所述倒谱域特征分别输入到训练好的第一深度网络模型、第二深度网络模型及第三深度网络模型，得到对应的第一识别结果、第二识别结果及第三识别结果；

确定模块，用于根据所述第一识别结果、所述第二识别结果及所述第三识别结果，确定目标识别结果。