[发明专利]一种基于卷积神经网络的智能痰液淤积无线报警器在审

专利信息
申请号: 202111500001.9 申请日: 2021-12-09
公开(公告)号: CN114376600A 公开(公告)日: 2022-04-22
发明(设计)人: 任帅;徐鲁玉;石岩;王一轩;蔡茂林 申请(专利权)人: 北京航空航天大学
主分类号: A61B7/04 分类号: A61B7/04;G06N3/04;G08B25/10
代理公司: 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 代理人: 李冉
地址: 100191*** 国省代码: 北京;11
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 基于 卷积 神经网络 智能 淤积 无线 报警器
【说明书】:

发明公开了一种基于卷积神经网络的智能痰液淤积无线报警器,包括:智能痰液淤积无线采集端和智能设备监测端;智能痰液淤积无线采集端用于采集机械通气过程中痰液淤积信息的呼吸音特征信息,并无线发送至智能设备监测端;智能设备监测端用于将呼吸音特征信息转换为呼吸音语谱图数据形式,并基于卷积神经网络对呼吸音语谱图进行特征信息提取,得到痰液淤积的表征参数。通过基于卷积神经网络的痰鸣音特征设别算法对呼吸音语谱图进行特征信息提取,可得到痰鸣音呼吸特征信息为判断基础,进行痰液淤积程度的全面准确判断,并通过无线传输实现在便携式智能设备实时显示患者痰液淤积程度,可及时发出报警信息,挽救患者。

技术领域

本发明涉及医疗器械技术领域,更具体的说是涉及一种基于卷积神经网络的智能痰液淤积无线报警器。

背景技术

痰液淤积是机械通气病人面临的主要并发症之一,机械通气通常会刺激气道黏膜,致使气道分泌物增多,导致痰液的淤积,故痰液淤积现象是危重症患者经常面临的问题。而痰液的淤积会给病人带来很多不良的后果,甚至危机生命安全。因此及时判断痰液的淤积对于机械通气病人的恢复和治疗至关重要。

目前痰液淤积诊断方法主要依靠医务人员的肺部听诊判断,即通过听诊器进行肺音辨识来判断痰液是否存在淤积现象,依靠人工进行痰鸣音的识别。该方法采集的信号极易受到外界环境干扰,加之声音通过胸肺骨骼等组织后信号削弱严重,大部分医护人员识别痰鸣音困难。

因此,针对现阶段存在的对患者痰液淤积信息获取困难、痰液淤积程度判断迟缓的问题,如何提供一种新的监测手段对呼吸过程中的声音信号进行采集和识别是本领域技术人员急需解决的技术问题。

发明内容

有鉴于此,本发明提供了一种基于卷积神经网络的智能痰液淤积无线报警器,可以有效解决人工肺部听诊由于对痰液淤积的采集信息单一而难以及时准确判断痰液淤积程度的实际使用问题,通过基于卷积神经网络的痰鸣音特征设别算法对呼吸音语谱图进行特征信息提取,可得到痰鸣音呼吸特征信息为判断基础,进行痰液淤积程度的全面准确判断,并通过无线传输实现在便携式智能设备实时显示患者痰液淤积程度,可及时发出报警信息,挽救患者。

为了实现上述目的,本发明采用如下技术方案:

一种基于卷积神经网络的智能痰液淤积无线报警器,包括:智能痰液淤积无线采集端和智能设备监测端;

所述智能痰液淤积无线采集端用于采集机械通气过程中痰液淤积信息的呼吸音特征信息,并无线发送至所述智能设备监测端;

所述智能设备监测端用于将所述呼吸音特征信息转换为呼吸音语谱图数据形式,并基于卷积神经网络对所述呼吸音语谱图进行特征信息提取,得到痰液淤积的表征参数。

优选的,所述智能痰液淤积无线采集端包括声音传感器、ADC转换器和无线数据传输模块;

所述声音传感器用于采集机械通气过程中痰液淤积信息的呼吸音特征信息;

所述ADC转换器用于将所述呼吸音特征信息转换为数字量形式;

所述无线数据传输模块用于将呼吸音特征信息无线发送至所述智能设备监测端。

优选的,所述智能设备监测端包括无线数据接收模块、预处理模块、呼吸音语谱图转换模块和卷积神经网络特征提取模块;

所述无线数据接收模块用于接收所述呼吸音特征信息;

所述预处理模块用于基于EMD去噪算法对所述呼吸音特征信息进行去噪处理;

所述呼吸音语谱图转换模块用于将去噪后的呼吸音特征信息进行语谱化,转换为呼吸音语谱图数据形式;

所述卷积神经网络特征提取模块基于卷积神经网络对呼吸音语谱图进行特征信息提取,得到痰液淤积的表征参数。

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北京航空航天大学,未经北京航空航天大学许可,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/202111500001.9/2.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