[发明专利]构建识别心力衰竭不同分期的分类模型的装置及相关组件

说明书

本发明公开了构建识别心力衰竭不同分期的分类模型的装置及相关组件，该装置包括样本处理单元，用于将所采集的语音模拟信号转换为语音数字信号，并对所述语音数字信号进行预处理，以及对预处理后的语音数字信号进行特征提取，得到多类语音特征样本；模型训练单元，用于构建用于识别心力衰竭分期的分类模型，利用所述多类语音特征样本对所述分类模型进行训练和优化，得到最优分类模型。利用该最优分类模型能够较为准确的识别出心力衰竭的不同分期。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于声音特征构建识别心力衰竭不同分期的分类模型的装置、一种计算机可读存储介质及一种计算机设备。

背景技术

心力衰竭是由各种原因导致心脏结构和/或功能异常改变，从而引起的一组复杂临床综合征，是各种常见心血管疾病的严重和终末阶段。目前根据心衰发生发展过程，分为心衰风险期(A期)、前心衰阶段(B期)、心力衰竭阶段(C期)和终末期心力衰竭阶段(D期)四期。给心衰分期的目的在于早发现、早诊断、早干预，尤其对及时识别和治疗有心衰风险和前心衰阶段的患者，早干预对延缓心室重构和心衰进展、保护心功能、改善生活质量、减少再住院率等具有重要意义。

而现有技术中，对于心衰分期的识别通常依赖于病史、体格检查、实验室检查、心脏影像学检查和功能检查，这些检查往往是患者因出现症状就诊时才做，不利于早期识别。近年发展起来的通过植入装置进行血流动力学或肺水含量监测，如CardioMEMS、MultiSENSE、ReDS等传感器装置，以及通过HeartLogic多传感器指数和警报算法评估，可实现患者心衰失代偿事件的提前预警。然而以上方法的设备昂贵且为侵入式，需要植入传感器或已经安装过起搏器，仅适合小部分重症或顽固性心衰患者，不适合心衰风险期和前心衰阶段患者的筛查。在加强规范化诊治和患者教育基础上，发展无创、便捷、普适性的监测和预警方法，识别不同分期心衰患者，加强居家监测和预警是心衰慢病管理减少再住院率、降低死亡率的关键。而现有技术中也有对某些参数训练和学习，进而识别某些疾病的分类模型的技术，但这些分类模型利用的数据也多依赖于诸多检查数据，并且识别准确率不高。

发明内容

本发明实施例旨在提供一种基于声音特征构建能够准确识别心力衰竭不同分期的分类模型的装置、一种计算机可读存储介质及一种计算机设备。

第一方面，本发明实施例提供了一种基于声音特征构建识别心力衰竭不同分期的分类模型的装置，其包括：

样本处理单元，用于将所采集的语音模拟信号转换为语音数字信号，并对所述语音数字信号进行预处理，以及对预处理后的语音数字信号进行特征提取，得到多类语音特征样本；

模型训练单元，用于构建用于识别心力衰竭分期的分类模型，利用所述多类语音特征样本对所述分类模型进行训练和优化，得到最优分类模型，其中，用于识别心力衰竭A期和心力衰竭B期的分类模型为基于原始变量的AdaBoost分类模型；用于识别心力衰竭B期和C期的分类模型为基于Lasso降维的AdaBoost分类模型；用于识别心力衰竭A期和B期与C期的分类模型为基于Lasso降维的AdaBoost分类模型。

第二方面，本发明实施例又提供了一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下方法：将所采集的语音模拟信号转换为语音数字信号，并对所述语音数字信号进行预处理，以及对预处理后的语音数字信号进行特征提取，得到多类语音特征样本；构建用于识别心力衰竭分期的分类模型，利用所述多类语音特征样本对所述分类模型进行训练和优化，得到最优分类模型，其中，用于识别心力衰竭A期和心力衰竭B期的分类模型为基于原始变量的AdaBoost分类模型；用于识别心力衰竭B期和C期的分类模型为基于Lasso降维的AdaBoost分类模型；用于识别心力衰竭A期和B期与C期的分类模型为基于Lasso降维的AdaBoost分类模型。