[发明专利]基于音频时频特征的非接触新冠肺炎检测方法

说明书

本发明涉及新冠肺炎的检测、筛查。本发明所述的基于音频时频特征的非接触新冠肺炎检测方法包括以下步骤：步骤S1：通过设定音频信号的采集标准，让受试者根据采集标准自行利用身边可用的音频采集设备，采集呼吸音、咳嗽音与话音，采样频率为22050Hz；步骤S2：将采集得到的信号滤除无声段，并进行小波去噪处理；步骤S3：对音频信号进行分段，并提取音频信号的时频特征；步骤S4：将各类音频经步骤3处理后，按照类别制作成样本集，以供网络训练；步骤S5：将准备好的样本集制作为数据集并放入卷积神经网络进行训练，并保存效果最好的模型；步骤S6：得到最佳模型后，便可以实现样本预测，进而实现新冠肺炎患者的非接触式初筛。

技术领域

本发明涉及新冠肺炎的检测、筛查，采用音频时频特征识别技术实现非接触检测，可用于大规模新冠肺炎筛查。

背景技术

新冠肺炎的全球肆虐导致世界经济秩序进一步失衡，对世界各国造成了不可挽回的损失，甚至导致很多人失去生命。为了有效防止新冠肺炎并阻止其传播，及时检测和筛查新冠病毒至关重要。目前所使用的鼻拭子、咽拭子、肛拭子等化学试剂筛查方法耗费大量的人力物力，是一种接触式的方法，且不可避免地造成人群大量的聚集，从而导致新冠肺炎传播。

中国专利申请号202010862461.5公开了“一种基于眼表特征的新冠肺炎疾病患者风险筛查深度学习系统”，包括如下步骤：步骤1：对人脸图像进行预处理，得到眼部区域的照片；步骤2：对眼部图像特征进行提取，将眼部区域划分为多个细分区域，并从每个细分区域中提取得到基础特征；步骤3：对图像进行分类，根据基础特征进行图片级的新冠肺炎患病类别预测并得到图片级分类结果，以及根据图片级分类结果进行病患级分类得到病患级预测结果，所述步骤1包括如下步骤：步骤1.1：通过人脸检测模型获取人脸图片中人脸的位置区域以及面部关键点坐标；步骤1.2：根据面部关键点坐标中的人脸左右眼关键点得到人脸眼部区域的横纵坐标的最大值和最小值，同时对横纵坐标进行一定数值的向外扩充来确保人脸眼部区域全部纳入特征提取范围内，并对人脸眼部区域进行截取，得到眼部截取图片；步骤1.3：对眼部截取图片进行筛选，得到眼部区域图片；所述步骤2包括如下步骤：步骤2.1：将所述眼部区域图片输入所述眼部区域图像特征提取模型中提取所述基础特征，所述分类部根据所述基础特征预测所述眼部区域图片中对应患者是否罹患新冠肺炎并输出所述图片级分类结果；步骤2.2：通过构建损失函数，根据所述图片级分类结果和所述眼部区域图片对应患者的真实新冠肺炎患病类别，对所述眼部图像特征提取模型提取的所述基础特征进行监督；步骤2.3：采用SGD优化器对所述眼部图像提取模型进行迭代训练；所述步骤3包括如下步骤：步骤3.1：将患病类别中最紧急的疾病设为最高优先级别患病类别；步骤3.2：对于一位患者的多张眼部区域图片中，当预测得到的图片级分类结果中的最高优先级别患病类别的个数大于等于1时，判断患者患有该疾病的可能性较大，得到病患级预测结果。该专利是对眼表特征进行提取来判断是否患有新冠肺炎。

国外有研究学者也尝试搭建新冠病毒的呼吸音数据库，比如Neeraj-Sharma等人就通过搭建网站界面的方式面向全球范围内的用户，利用手机和电脑等硬件设备，基于48kHz的采样频率，收集了健康(healthy)、无症状感染者(positive asymp)、无症状但有新冠暴露风险(no resp illness exposed)、尚在检测(under validation)、微度阳性(positive moderate)、轻度阳性(positive mild)、中度阳性(positive mild)、完全康复(recovered full)、有症状但尚未确诊(resp illness not identified)各类情况下，被测试者的呼吸音、咳嗽音、持续元音发音和1到20数数发音四种情形下的声音信号；其中呼吸音包含浅呼吸和深呼吸两种，咳嗽音包含轻咳和重咳两种，持续元音发音包含/ei/、/i/和/u:/三种，而1到20数数发音则包含快与慢两种，以上共计9种声音信号。通过移动终端及信息收集网站的方式实现了无接触式信号采集，有采集面广泛、信号采集成本低等特点。但仅仅利用话音、咳嗽音、呼吸音来判断是否患有新冠会有失偏颇。

发明内容