基于心音信号的心脏舒张功能障碍的检测方法.pdf

《基于心音信号的心脏舒张功能障碍的检测方法.pdf》由会员分享，可在线阅读，更多相关《基于心音信号的心脏舒张功能障碍的检测方法.pdf（15页完成版）》请在专利查询网上搜索。

1、(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 (43)申请公布日 (21)申请号 202010097640.4 (22)申请日 2020.02.17 (71)申请人 深圳大学 地址 518060 广东省深圳市南山区南海大 道3688号 (72)发明人 薛武峰董逢泉曹恒汪天富 倪东 (74)专利代理机构 深圳市君胜知识产权代理事 务所(普通合伙) 44268 代理人 温宏梅王永文 (51)Int.Cl. G16H 50/30(2018.01) G06N 3/04(2006.01) G10L 25/18(2013.01) G10L 25/24(2013.01) G。

2、10L 25/30(2013.01) G10L 25/66(2013.01) A61B 7/02(2006.01) (54)发明名称 一种基于心音信号的心脏舒张功能障碍的 检测方法 (57)摘要 本发明公开了一种基于心音信号的心脏舒 张功能障碍的检测方法， 所述基于心音信号的心 脏舒张功能障碍的检测方法通过提取待检测心 音信号的梅尔频率倒谱系数； 将所述梅尔频率倒 谱系数输入经训练的检测网络模型， 通过所述检 测网络模型输出待检测心音信号对应的心脏舒 张功能障碍类别。 本发明利用神经网络将心音信 号转换为二维时频特征， 并根据二维时频特征确 定心音信号对应的心脏舒张功能障碍类别， 从而 可以快。

3、速方便地完成心音信号检测。 同时本发明 可集成到终端设备中， 在社区医院、 乡镇医院等 缺乏专业医生资源的地方， 为医生提供一定的临 床参考。 权利要求书2页 说明书9页 附图3页 CN 111370120 A 2020.07.03 CN 111370120 A 1.一种基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所述方法包括： 提取待检测心音信号的梅尔频率倒谱系数， 其中， 所述心音信号包括若干心动周期； 将所述梅尔频率倒谱系数输入经训练的检测网络模型， 通过所述检测网络模型输出待 检测心音信号对应的心脏舒张功能障碍类别。 2.根据权利要求1所述基于心音信号的心脏舒张功能障碍的。

4、检测方法， 其特征在于， 所 述提取待检测心音信号的梅尔频率倒谱系数之前， 所述方法还包括： 获取心音信号， 并将所述心音信号随机选取预设数量的等时长的心音片段， 其中， 每个 心音片段均包括至少一个心动周期； 分别将每个心音片段作为待检测心音信号， 以对于每个心音片段执行提取待检测心音 信号的梅尔频率倒谱系数操作。 3.根据权利要求2所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 述通过所述检测网络模型输出待检测心音信号对应的心脏舒张功能障碍类别之后还包括： 获取各心音片段对应的心脏舒张功能障碍类别， 并基于获取到所有心脏舒张功能障碍 类别确定所述心音信号对应的心脏舒张功能。

5、障碍类别。 4.根据权利要求1所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 述梅尔频率倒谱系数包括： 静态梅尔频率倒谱系数以及静态梅尔频率倒谱系数的一阶动态 差分参数。 5.根据权利要求4所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 述提取待检测心音信号的梅尔频率倒谱系数具体包括： 对所述待检测心音信号进行快速傅里叶变换， 以得到所述待检测心音信号对应的频谱 序列； 对所述频谱序列进行梅尔尺度滤波， 并根据梅尔尺度滤波后的频谱序列计算所述待检 测心音信号的对数能量； 根据所述对数能量确定所述待检测心音信号对应的静态梅尔频率倒谱系数； 将所述静态梅尔频率倒。

6、谱系数进行一阶差分， 以得到所述待检测心音信号对应的一阶 动态差分参数； 根据所述静态梅尔频率倒谱系数以及所述一阶动态差分参数， 得到所述待检测心音信 号的梅尔频率倒谱系数。 6.根据权利要求5所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 述对所述待检测心音信号进行快速傅里叶变换， 以得到所述待检测心音信号对应的频谱序 列之前， 所述方法还包括： 将所述待检测心音信号进行滤波， 并将滤波后的待检测信号信息进行分帧处理， 以得 到所述待检测心音信号对应的心音帧序列； 对所述帧序列中的每一心音帧进行加窗处理， 并将加窗处理后的心音帧序列作为待检 测心音信号。 7.根据权利要求6。

7、所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 述心音帧序列中任意两个心音帧的对应的心音采样点数量相同， 并且任意两个相邻心音帧 之间存在重叠， 并重叠的心音采样点数量相同。 8.根据权利要求1所述基于心音信号的心脏舒张功能障碍的检测方法， 其特征在于， 所 权利要求书 1/2 页 2 CN 111370120 A 2 述检测网络模型包括残差模块、 循环卷积模块以及全连接层； 所述将所述梅尔频率倒谱系 数输入经训练的检测网络模型， 通过所述检测网络模型输出待检测心音信号对应的心脏舒 张功能障碍类别具体包括： 将所述梅尔频率倒谱系数输入所述残差模块， 通过所述残差模块输出特异性。

8、频谱特 征； 将所述特异性频谱特征输入所述循环卷积模块， 通过所述循环卷积模块输出特异性频 谱特征的时域强化特征； 将所述特异性频谱特征的时域强化特征输出所述全连接层， 通过所述全连接层输出所 述待检测心音信号对应的心脏舒张功能障碍类别。 9.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质存储有一个或者 多个程序， 所述一个或者多个程序可被一个或者多个处理器执行， 以实现如权利要求18 任意一项所述的基于心音信号的心脏舒张功能障碍的检测方法中的步骤。 10.一种终端设备， 其特征在于， 包括： 处理器、 存储器及通信总线； 所述存储器上存储 有可被所述处理器执行的计算机可读程序。

9、； 所述通信总线实现处理器和存储器之间的连接通信； 所述处理器执行所述计算机可读程序时实现如权利要求1-8任意一项所述的基于心音 信号的心脏舒张功能障碍的检测方法中的步骤。 权利要求书 2/2 页 3 CN 111370120 A 3 一种基于心音信号的心脏舒张功能障碍的检测方法 技术领域 0001 本发明涉及生物信号处理技术领域， 特别涉及一种基于心音信号的心脏舒张功能 障碍的检测方法。 背景技术 0002 舒张性功能障碍常起因于心室的充盈受损， 导致心室舒张末期容积减少， 舒张末 压力升高， 或两者皆有。 心脏舒张功能障碍可见于任何年龄段人群， 甚至是年幼的儿童， 特 别是出生时存在心脏缺。

10、陷的儿童， 此病更常见于老年人。 在世界范围内， 约有2300万人受此 病的困扰。 心脏舒张功能障碍也是引起心衰的一个原因， 据不完全估计， 大约50的心衰患 者是由心脏舒张功能障碍导致。 现阶段， 超声心动图检查是评估心脏舒张功能障碍重要的 检查方法。 0003 心音是人体重要的生理信号之一， 心音是由于心脏瓣膜的开关、 肌腱和肌肉的舒 张收缩、 血流的冲击及心血管壁震动而产生的复合音。 在临床上， 心音听诊作为一种评估心 脏的基本方法， 可以凭借心音中出现的杂音和畸变作为重要的诊断信息。 对心音的诊断和 分析是了解心脏、 血管功能状态的无创而便捷的方法， 传统的医生听诊的效果主要取决于 医。

11、生的临床经验及其主观判断， 并不能把心音的病理信息记录下来为后面的心音诊断和分 析做参考， 缺乏客观性和主观性。 对于现代信息处理技术， 经过简单的心音采集， 即可对提 取到的心音进行分析诊断出心脏的健康状况， 但由于在采集过程中存在着噪声以及心音信 号总体上共性较明显、 辨识度不高等因素， 使得心音分析在实际应用上还存在一定的困难。 发明内容 0004 本发明要解决的技术问题在于， 针对现有技术的不足， 提供一种基于心音信号的 心脏舒张功能障碍的检测方法。 0005 为了解决上述技术问题， 本发明所采用的技术方案如下： 0006 一种基于心音信号的心脏舒张功能障碍的检测方法， 所述方法包括：。

12、 0007 提取待检测心音信号的梅尔频率倒谱系数， 其中， 所述心音信号包括若干心动周 期； 0008 将所述梅尔频率倒谱系数输入经训练的检测网络模型， 通过所述检测网络模型输 出待检测心音信号对应的心脏舒张功能障碍类别。 0009 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所述提取待检测心音 信号的梅尔频率倒谱系数之前， 所述方法还包括： 0010 获取心音信号， 并将所述心音信号随机选取预设数量的等时长的心音片段， 其中， 每个心音片段均包括至少一个心动周期； 0011 分别将每个心音片段作为待检测心音信号， 以对于每个心音片段执行提取待检测 心音信号的梅尔频率倒谱系数操作。。

13、 0012 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所述通过所述检测网 说明书 1/9 页 4 CN 111370120 A 4 络模型输出待检测心音信号对应的心脏舒张功能障碍类别之后还包括： 0013 获取各心音片段对应的心脏舒张功能障碍类别， 并基于获取到所有心脏舒张功能 障碍类别确定所述心音信号对应的心脏舒张功能障碍类别。 0014 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所述梅尔频率倒谱系 数包括： 静态梅尔频率倒谱系数以及静态梅尔频率倒谱系数的一阶动态差分参数。 0015 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所述提取待检测心音 信号。

14、的梅尔频率倒谱系数具体包括： 0016 对所述待检测心音信号进行快速傅里叶变换， 以得到所述待检测心音信号对应的 频谱序列； 0017 对所述频谱序列进行梅尔尺度滤波， 并根据梅尔尺度滤波后的频谱序列计算所述 待检测心音信号的对数能量； 0018 根据所述对数能量确定所述待检测心音信号对应的静态梅尔频率倒谱系数； 0019 将所述静态梅尔频率倒谱系数进行一阶差分， 以得到所述待检测心音信号对应的 一阶动态差分参数； 0020 根据所述静态梅尔频率倒谱系数以及所述一阶动态差分参数， 得到所述待检测心 音信号的梅尔频率倒谱系数。 0021 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所。

15、述对所述待检测心 音信号进行快速傅里叶变换， 以得到所述待检测心音信号对应的频谱序列之前， 所述方法 还包括： 0022 将所述待检测心音信号进行滤波， 并将滤波后的待检测信号信息进行分帧处理， 以得到所述待检测心音信号对应的心音帧序列； 0023 对所述帧序列中的每一心音帧进行加窗处理， 并将加窗处理后的心音帧序列作为 待检测心音信号。 0024 所述基于心音信号的心脏舒张功能障碍的检测方法， 其中， 所述心音帧序列中任 意两个心音帧的对应的心音采样点数量相同， 并且任意两个相邻心音帧之间存在重叠， 并 重叠的心音采样点数量相同。 0025 所述基于心音信号的心脏舒张功能障碍的检测方法， 其。

16、中， 所述检测网络模型包 括残差模块、 循环卷积模块以及全连接层； 所述将所述梅尔频率倒谱系数输入经训练的检 测网络模型， 通过所述检测网络模型输出待检测心音信号对应的心脏舒张功能障碍类别具 体包括： 0026 将所述梅尔频率倒谱系数输入所述残差模块， 通过所述残差模块输出特异性频谱 特征； 0027 将所述特异性频谱特征输入所述循环卷积模块， 通过所述循环卷积模块输出特异 性频谱特征的时域强化特征； 0028 将所述特异性频谱特征的时域强化特征输出所述全连接层， 通过所述全连接层输 出所述待检测心音信号对应的心脏舒张功能障碍类别。 0029 一种计算机可读存储介质， 所述计算机可读存储介质存。

17、储有一个或者多个程序， 所述一个或者多个程序可被一个或者多个处理器执行， 以实现如上任一所述的基于心音信 号的心脏舒张功能障碍的检测方法中的步骤。 说明书 2/9 页 5 CN 111370120 A 5 0030 一种终端设备， 其包括： 处理器、 存储器及通信总线； 所述存储器上存储有可被所 述处理器执行的计算机可读程序； 0031 所述通信总线实现处理器和存储器之间的连接通信； 0032 所述处理器执行所述计算机可读程序时实现如上任一所述的基于心音信号的心 脏舒张功能障碍的检测方法中的步骤。 0033 有益效果： 与现有技术相比， 本发明提供了一种基于心音信号的心脏舒张功能障 碍的检测方。

18、法， 所述基于心音信号的心脏舒张功能障碍的检测方法通过提取待检测心音信 号的梅尔频率倒谱系数； 将所述梅尔频率倒谱系数输入经训练的检测网络模型， 通过所述 检测网络模型输出待检测心音信号对应的心脏舒张功能障碍类别。 本发明利用神经网络将 心音信号转换为二维时频特征， 并根据二维时频特征确定心音信号对应的心脏舒张功能障 碍类别， 从而可以快速方便地完成心音信号检测。 同时本发明可集成到终端设备中， 在社区 医院、 乡镇医院等缺乏专业医生资源的地方， 为医生提供一定的临床参考。 附图说明 0034 图1为本发明提供的基于心音信号的心脏舒张功能障碍的检测方法的流程图。 0035 图2为本发明提供的基。

19、于心音信号的心脏舒张功能障碍的检测方法的提取梅尔频 率倒谱系数过程的流程示意图。 0036 图3为本发明提供的基于心音信号的心脏舒张功能障碍的检测方法中流程示意 图。 0037 图4为本发明提供的基于心音信号的心脏舒张功能障碍的检测方法中残差模块的 结构原理图。 0038 图5为本发明提供的基于心音信号的心脏舒张功能障碍的检测方法中卷积网络模 块的结构原理图。 0039 图6为本发明提供的终端设备的结构原理图。 具体实施方式 0040 本发明提供一种基于心音信号的心脏舒张功能障碍的检测方法， 为使本发明的目 的、 技术方案及效果更加清楚、 明确， 以下参照附图并举实施例对本发明进一步详细说明。。

20、 应当理解， 此处所描述的具体实施例仅用以解释本发明， 并不用于限定本发明。 0041 本技术领域技术人员可以理解， 除非特意声明， 这里使用的单数形式 “一” 、“一 个” 、“所述” 和 “该” 也可包括复数形式。 应该进一步理解的是， 本发明的说明书中使用的措 辞 “包括” 是指存在所述特征、 整数、 步骤、 操作、 元件和/或组件， 但是并不排除存在或添加 一个或多个其他特征、 整数、 步骤、 操作、 元件、 组件和/或它们的组。 应该理解， 当我们称元 件被 “连接” 或 “耦接” 到另一元件时， 它可以直接连接或耦接到其他元件， 或者也可以存在 中间元件。 此外， 这里使用的 “连。

21、接” 或 “耦接” 可以包括无线连接或无线耦接。 这里使用的措 辞 “和/或” 包括一个或更多个相关联的列出项的全部或任一单元和全部组合。 0042 本技术领域技术人员可以理解， 除非另外定义， 这里使用的所有术语(包括技术术 语和科学术语)， 具有与本发明所属领域中的普通技术人员的一般理解相同的意义。 还应该 理解的是， 诸如通用字典中定义的那些术语， 应该被理解为具有与现有技术的上下文中的 说明书 3/9 页 6 CN 111370120 A 6 意义一致的意义， 并且除非像这里一样被特定定义， 否则不会用理想化或过于正式的含义 来解释。 0043 本实施例提供了一种基于心音信号的心脏舒张。

22、功能障碍的检测方法， 该方法可以 应用于电子设备， 所述电子设备可以以各种形式来实现。 例如， 手机、 平板电脑、 掌上电脑、 个人数字助理(Personal Digital Assistant， PDA)等。 另外， 该方法所实现的功能可以通 过电子设备中的处理器调用程序代码来实现， 当然程序代码可以保存在计算机存储介质 中， 可见， 该电子设备至少包括处理器和存储介质。 0044 如图1所示， 本实施提供了一种基于心音信号的心脏舒张功能障碍的检测方法， 所 述方法可以包括以下步骤： 0045 S10、 提取待检测心音信号的梅尔频率倒谱系数， 其中， 所述心音信号包括若干心 动周期。 004。

23、6 具体地， 所述心音为人体重要的生理信号之一， 心音是由于心脏瓣膜的开关、 肌腱 和肌肉的舒张收缩、 血流的冲击及心血管壁震动而产生的复合音。 所述待检测心音信号可 以是通过心音采集设备采集到的心音信号， 可以是外部设备发的心音信号， 还可以是通过 互联网(例如， 百度等)获取到心音信号等。 例如， 所述心音信号为通过心音采集设备采集 的， 所述心音信号的采样频率为4000Hz， 并且所述心音信号包括若干心动周期。 所述梅尔频 率倒谱系数为组成梅尔频率倒谱的系数， 其中， 梅尔频率倒谱(Mel-Frequency Cepstrum) 是基于声音频率的非线性梅尔刻度(mel scale)的对数。

24、能量频谱的线性变换。 此外， 0047 进一步， 为了避免心音信号的偶然性， 在本实施例的一个实现方式中， 所述提取待 检测心音信号的梅尔频率倒谱系数之前， 所述方法还包括： 0048 S01、 获取心音信号， 并将所述心音信号随机选取预设数量的等时长的心音片段， 其中， 每个心音片段均包括至少一个心动周期； 0049 S02、 分别将每个心音片段作为待检测心音信号， 以对于每个心音片段执行提取待 检测心音信号的梅尔频率倒谱系数操作。 0050 具体地， 所述预设数量的心音片段均是从所述心音信号中提取的部分心音信号， 并且每个心音片段均包括至少一个完整的心动周期， 其中， 预设数量的心音片段中。

25、， 任意两 个心音片段对应的心音时长均相等， 并且心音片段对应的心音时长大于心动周期的周期时 长。 此外， 任意两个心音片段对应的心音信号不完全相同， 可以理解的是， 对于预设数量的 心音片段中的任意心音片段， 该心音片段对应的心音信号的采集时间与预设数量的心音片 段中除该心音片段的任一心音片段对应的采集时间可以部分重合， 也可以不重合， 但是不 能完成重合。 此外， 所述预设数量的心音片段可以通过对心音信号进行预设数量次随机选 取分割得到， 并且对于每次随机选取， 在选取到心音片段时， 可以判断选取到的心音片段是 否与已经选取到的心音片段重合， 若不重合则保存所述心音片段， 若重合在丢弃所述。

26、心音 片段。 0051 举例说明： 假设所述心音信号为30秒长的心音信号， 预设数量为10， 那么对30秒长 的心音信号进行10次等时长3秒的随机选取分割， 以从30秒长的信息信号中选取出10个心 音片段， 以使得每个3秒时长的心音片段均可包含完整的心动周期。 这是由于心动周期的正 常范围为0.8秒左右， 而心音片段的心音时长为3秒， 从而心音片段可以包含完整的心动周 期。 说明书 4/9 页 7 CN 111370120 A 7 0052 进一步， 在本实施例的一个实施例中， 所述梅尔频率倒谱系数包括： 静态梅尔频率 倒谱系数以及静态梅尔频率倒谱系数的一阶动态差分参数， 通过静态梅尔频率倒谱。

27、系数以 及静态梅尔频率倒谱系数的一阶动态差分参数的结构， 可以更好体现心音信号的时域连续 性。 相应的， 如图2所述， 所述提取待检测心音信号的梅尔频率倒谱系数具体包括： 0053 S21、 对所述待检测心音信号进行快速傅里叶变换， 以得到所述待检测心音信号对 应的频谱序列； 0054 S22、 对所述频谱序列进行梅尔尺度滤波， 并根据梅尔尺度滤波后的频谱序列计算 所述待检测心音信号的对数能量； 0055 S23、 根据所述对数能量确定所述待检测心音信号对应的静态梅尔频率倒谱系数； 0056 S24、 将所述静态梅尔频率倒谱系数进行一阶差分， 以得到所述待检测心音信号对 应的一阶动态差分参数；。

28、 0057 S25、 根据所述静态梅尔频率倒谱系数以及所述一阶动态差分参数， 得到所述待检 测心音信号的梅尔频率倒谱系数。 0058 具体地， 在所述步骤S21中， 所述快速傅里叶变换为对心音信号包括的各心音帧进 行快速傅里叶变换， 以得到各心音帧对应的频谱分布。 在本实施例的一个实现方式， 所述快 速傅里叶变换可表示为式： 0059 0060 其中， x(n)表示心音帧， H表示傅里叶变换点数， k为傅里叶变换后的第k个频谱， n 表示心音帧的帧序数。 0061 进一步， 所述心音帧为对待检测心音信号进行预处理得到， 如图2所示， 所述预处 理过程可以包括： 0062 将所述待检测心音信号进。

29、行滤波， 并将滤波后的待检测信号信息进行分帧处理， 以得到所述待检测心音信号对应的心音帧序列； 0063 对所述帧序列中的每一心音帧进行加窗处理， 并将加窗处理后的心音帧序列作为 待检测心音信号。 0064 具体地， 所述将所述待检测心音信号进行滤波为对所述待检测心音信号进行高通 滤波， 可以理解的是， 对于每个心音片段形成的待检测心音信号， 将该待检测心音信号x(t) 通过一个高通滤波器， 以通过高通滤波器度该待检测心音信号进行高通滤波， 其中， 所述高 通滤波器可以表示为： H(z)1- z-1， 其中， 所述 为滤波参数， 用于确定高通滤波器的截止 频率和带宽。 由此， 在对待检测心音信。

30、号进行高通滤波时， 将该待检测心音信号与高通滤波 器进行卷积操作以得到高频增强的待检测心音信号x(t)， 其中，此外， 在本实施例的一个实现方式中， 所述滤波参数 可以为0.97。 0065 进一步， 所述分帧处理为将高频增强后的待检测心音信号划分为若干心音帧， 以 得到心音帧序列。 其中， 所述心音帧序列中任意两个心音帧的对应的心音采样点数量相同， 并且任意两个相邻心音帧之间存在重叠， 并重叠的心音采样点数量相同。 例如， 将高频增强 后的待检测心音信号x(t)的550个采样点集合成一帧(时长约25毫秒)， 相邻两帧之间重叠 220个采样点(时长约10毫秒)， 得到各心音帧x(t)n， 其中。

31、， n表示心音帧的帧序数。 0066 进一步， 所述加窗处理指的是将每个心音帧乘以汉明窗， 以得到加窗后的心音帧， 说明书 5/9 页 8 CN 111370120 A 8 这可以提高心音帧序列中每一心音帧左端和右端的连续性， 并且可以防止频谱泄露。 例如， 对于高频增强后的待检测心音信号x(t)n， 将该高频增强后的待检测心音信号乘以汉明窗 W(n)， 以得到加窗处理后的心音帧x(n)， 即x(n)x(t)nW(n)， n0,1,.N-1， N为心音 帧序列的帧数。 其中， 所述汉明窗可以表示为： 0067 0068 其中， n表示帧的序数， N为心音帧序列的帧数， 为衰减， 用于确定旁瓣的。

32、衰减程 度， 例如， 的取值为0.46。 0069 进一步， 在所述步骤S22中， 所述梅尔尺度滤波为将经过快速傅里叶变换FFT后的 各帧频谱经梅尔滤波器组(记为Mel滤波器组)进行滤波和刻度转换， 以将经过快速傅里叶 变换FFT后的各帧频谱转换成梅尔频谱(记为Mel频谱)。 在本实施例中， Mel滤波器组是一组 M阶三角滤波器H(k)， 三角滤波器的个数为M， M的选取根据心音信号的截止频率或者临界带 宽确定。 在心音信号的分析中， 心音信号的有效频率范围是在1000Hz以下， 从而三角滤波器 的个数可以选12个， 即M12。 此外， 对数能量s(m)对应的计算公式可以为： 0070 007。

33、1 其中， M为三角滤波器的个数， Hm(k)表示第m个三角滤波器， X(k)表示快速傅里叶 变换后的第k个频谱。 0072 进一步， 在所述步骤S23中， 由于相邻两个三角形滤波器有重叠部分， 所以各个滤 波器组输出的能量之间具有相关性， 从而为了去掉其相关性， 可以将将对数能量进行离散 余弦变换， 通过离散余弦变换去除各个滤波器组输出的能量之间的相关性， 以得到静态梅 尔频率倒谱系数。 此外， 通过离散余弦变换可以把信号的高频分量移动到低频， 使信号能量 都集中在低频， 提高能量集中特性。 在本实施例中， 所述离散余弦变换可以表示为： 0073 0074 其中， C(n)为梅尔频率倒谱系数。

34、的参数， n1,2,.,L， L为梅尔频率倒谱系数的 阶数， 例如， L40， M为三角滤波器的个数， s(m)是对数能量。 0075 进一步， 在所述步骤S24中， 将静态梅尔频率倒谱系数进行一阶差分， 获得动态特 征的差分谱， 其中， 一阶动态差分参数计算公式可以为 0076 0077 式中， dt表示第t帧的一阶差分； ct+1表示第t+1帧的倒谱系数， ct-1表示第t-1帧的 倒谱系数， N为心音帧序列的帧数。 0078 S20、 将所述梅尔频率倒谱系数输入经训练的检测网络模型， 通过所述检测网络模 型输出待检测心音信号对应的心脏舒张功能障碍类别。 0079 具体地， 所述检测网络模。

35、型为深度神经网络模型， 所述检测网络模型的输入项为 心音信号对应的梅尔频率倒谱系数， 检测网络模型的输出项为心音信号对应的心脏舒张功 能障碍类别。 可以理解的是， 当将梅尔频率倒谱系数输入检测网络模型后， 检测网络模型可 以输出梅尔频率倒谱系数对应的心脏舒张功能障碍类别， 即输出心音信号对应的心脏舒张 说明书 6/9 页 9 CN 111370120 A 9 功能障碍类别。 在本实施例中， 所述检测网络模型包括残差模块、 循环卷积模块以及全连接 层； 所述残差模块与所述循环卷积模块相连接， 循环卷积模块与所述全连接层连接， 其中， 所述残差模块用于提取梅尔频率倒谱系数对应的特异性频谱特征， 所。

36、述循环卷积模块用于 提取时域强化特征， 所述全连接层用于输出心脏舒张功能障碍类别。 0080 进一步， 所述检测网络模型通过迭代学习训练得到， 其中， 残差模块对梅尔频率倒 谱系数进行特异性频谱特征提取， 降低梅尔频率倒谱系数特征图的分辨率， 将得到特征图 沿时间维度均等切分得到特征矩阵的子矩阵， 将子矩阵依次输入循环卷积模块进行卷积， 将卷积后的结果输入到全连接层得到特异性表征向量， 进行最终的分类预测； 通过和心音 标签进行比较， 不断迭代降低分类错误率， 最终学习到一个具有较高准确率的模型， 将这个 训练好的模型用来对用户的心音进行诊断。 0081 在本实施例的一个实现方式中， 如图3所。

37、示， 所述将所述梅尔频率倒谱系数输入经 训练的检测网络模型， 通过所述检测网络模型输出待检测心音信号对应的心脏舒张功能障 碍类别具体包括： 0082 S31、 将所述梅尔频率倒谱系数输入所述残差模块， 通过所述残差模块输出特异性 频谱特征； 0083 S32、 将所述特异性频谱特征输入所述循环卷积模块， 通过所述循环卷积模块输出 特异性频谱特征的时域强化特征； 0084 S33、 将所述特异性频谱特征的时域强化特征输出所述全连接层， 通过所述全连接 层输出所述待检测心音信号对应的心脏舒张功能障碍类别。 0085 具体地， 在所述步骤S31中， 所述残差模块可为残差神经网络， 当将待检测心音信 。

38、号的梅尔频率倒谱系数M输入到残差神经网络后， 该残差神经网络通过多层卷积操作在二 维的频谱特征图中提取时间局部的相关性和频域局部的相关性， 得到特异性的频谱特征 fh,w此外， 所述残差模块可以包括3个残差单元， 每个残差单元均包括卷积层、 批标准化层和 残差连接组成， 残差卷积神经网络通过多层卷积操作在二维的频谱特征图中提取时间局部 的相关性和频域局部的相关性。 例如， 在本实施例的一个实现方式中， 所述残差神经网络如 图4所示， 所述残差神经网络包括依次连接的第一残差单元、 第二残差单元以及第三残差单 元， 所述第一残差单元与第二残差单元残差连接， 第二残差单元与第三残差单元残差连接； 所。

39、述第一残差单元包括依次连接的级联的两个卷积子单元， 每个卷积子单元均包括级联的 卷积层、 非线性激活层以及批标准化层； 所述第二残差单元与第三残差单元结构， 第二残差 单元为在第一残差单元的最后一层之后设置有池化卷积层。 此外， 所述神经网络使用Adam 优化器以0.0001的学习率训练该特异性频谱特征提取网络， 由由残差卷积神经网络得到特 异性的频谱特征为fh,w。 0086 进一步， 在所述步骤S32中， 所述循环卷积模块可以为循环卷积神经网络， 通过循 环卷积神经网络对序列特征图片进行信息传递， 以得到时域强化特征。 在将所述特异性频 谱特征输入循环卷积模块之前， 将提取到的特异性频谱特。

40、征fh,w沿时间长度方向均等分割 成序列特征并将划分得到的序列特征依次输入到循 环卷积模块。 在本实施例的一个实现方式中， 如图5所示， 所述循环卷积模特征分割单元、 循 环卷积单元以及全连接层， 其中， 所述循环卷积单元包括三个长短时记忆网络LSTM， 分别记 为第一个长短时记忆网络、 第二个长短时记忆网络记以及第三个长短时记忆网络， 并且三 说明书 7/9 页 10 CN 111370120 A 10 个循环卷积单元权重共享。 此外， 所述卷积网络模块可以使用Adam优化器以0.0001的学习 率训练， 并且所述卷积网络模块与所述残差模块可以同步训练， 也可以分别单独训练。 0087进一步。

41、， 所述循环卷积模块对序列特征图谱进行信息的传递，经过第一 个长短时记忆网络输出为H1， 且第一个长短时记忆网络的隐状态传作为输入递给第二个长 短时记忆网络的隐状态， 第二个长短时记忆网络输出为H2； 第二个长短时记忆网络的隐状 态传作为输入递给第三个长短时记忆网络的隐状态， 第三个长短时记忆网络输出为H3以此 实现特异性频谱特征的时域强化， 得到的时域强化结果为HH1,H2,H3。 0088 进一步， 在所述步骤S23中， 特异性频谱特征对应的时域强化特征HH1， H2,H3输 入到全连接层， 得到特异性表征向量Ia1,a2。 所述全连接层使用Softmax函数对特异性 表征向量进行分类， 。

42、以得到待检测心音信号对应的心脏舒张功能障碍类别。 其中， 所述 Softmax函数可以表示为： 0089 0090 其中， ak是表征向量中第k个特征向量值。 0091 进一步， 在本实施例的一个实现方式中， 在获取到心音信号时， 将在心音信号中选 取预设数量的心音片段， 并将选取到的每个心音片段作为待检测心音信号， 从而可以获取 到预设数量的心脏舒张功能障碍类别。 由此， 在确定心音信号对应的心脏舒张功能障碍类 别时， 可以根据获取到预设数量的心脏舒张功能障碍类别来确定。 相应的， 所述方法还包 括： 获取各心音片段对应的心脏舒张功能障碍类别， 并基于获取到所有心脏舒张功能障碍 类别确定所述。

43、心音信号对应的心脏舒张功能障碍类别。 这样通过多个心音片段得到的心脏 舒张功能障碍类别充分考虑该病人的多个心动周期的特征信息， 减少预测的偶然性， 使预 测结果更加准确。 0092 为了进一步说明本实施例提供的基于心音信号的心脏舒张功能障碍的检测方法， 下面给出一个具体实验例子加以说明。 在本实验例子中， 使用的心音数据包含38个无心脏 舒张功能障碍的心音数据和87个有心脏舒张功能障碍的心音数据， 每个心音数据的时间长 度为30秒， 对是否患有心脏舒张功能障碍的2个类别共125个病人的心音记录进行划分， 采 用5折交叉验证的方法进行实验， 保证每一折中类别的分布和原始数据中类别的分布一样， 2。

44、5个病人用作测试集， 100个病人中划分10个用作验证集， 剩下的用作训练集。 通过卷积神 经网络得出片段级的心脏舒张功能障碍类别， 在测试集上能够得到79.17的准确率， 82.35的敏感度， 71.43的特异度， 在心脏的心脏舒张功能障碍筛查方面具有重要的潜 在有应用。 0093 基于上述基于心音信号的心脏舒张功能障碍的检测方法， 本实施例提供了一种计 算机可读存储介质， 所述计算机可读存储介质存储有一个或者多个程序， 所述一个或者多 个程序可被一个或者多个处理器执行， 以实现如上述实施例所述的基于心音信号的心脏舒 张功能障碍的检测方法中的步骤。 0094 基于上述基于心音信号的心脏舒张功。

45、能障碍的检测方法， 本发明还提供了一种终 端设备， 如图6所示， 其包括至少一个处理器(processor)20； 显示屏21； 以及存储器 说明书 8/9 页 11 CN 111370120 A 11 (memory)22， 还可以包括通信接口(Communications Interface)23和总线24。 其中， 处理器 20、 显示屏21、 存储器22和通信接口23可以通过总线24完成相互间的通信。 显示屏21设置为 显示初始设置模式中预设的用户引导界面。 通信接口23可以传输信息。 处理器20可以调用 存储器22中的逻辑指令， 以执行上述实施例中的方法。 0095 此外， 上述的存。

46、储器22中的逻辑指令可以通过软件功能单元的形式实现并作为独 立的产品销售或使用时， 可以存储在一个计算机可读取存储介质中。 0096 存储器22作为一种计算机可读存储介质， 可设置为存储软件程序、 计算机可执行 程序， 如本公开实施例中的方法对应的程序指令或模块。 处理器20通过运行存储在存储器 22中的软件程序、 指令或模块， 从而执行功能应用以及数据处理， 即实现上述实施例中的方 法。 0097 存储器22可包括存储程序区和存储数据区， 其中， 存储程序区可存储操作系统、 至 少一个功能所需的应用程序； 存储数据区可存储根据终端设备的使用所创建的数据等。 此 外， 存储器22可以包括高速随。

47、机存取存储器， 还可以包括非易失性存储器。 例如， U盘、 移动 硬盘、 只读存储器(Read-Only Memory， ROM)、 随机存取存储器(Random Access Memory， RAM)、 磁碟或者光盘等多种可以存储程序代码的介质， 也可以是暂态存储介质。 0098 此外， 上述存储介质以及终端设备中的多条指令处理器加载并执行的具体过程在 上述方法中已经详细说明， 在这里就不再一一陈述。 0099 最后应说明的是： 以上实施例仅用以说明本发明的技术方案， 而非对其限制； 尽管 参照前述实施例对本发明进行了详细的说明， 本领域的普通技术人员应当理解： 其依然可 以对前述各实施例所记载的技术方案进行修改， 或者对其中部分技术特征进行等同替换； 而这些修改或者替换， 并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和 范围。 说明书 9/9 页 12 CN 111370120 A 12 图1 图2 图3 说明书附图 1/3 页 13 CN 111370120 A 13 图4 图5 说明书附图 2/3 页 14 CN 111370120 A 14 图6 说明书附图 3/3 页 15 CN 111370120 A 15 。