CN104605886B - 喘鸣音检测装置和方法 - Google Patents
喘鸣音检测装置和方法 Download PDFInfo
- Publication number
- CN104605886B CN104605886B CN201510069805.6A CN201510069805A CN104605886B CN 104605886 B CN104605886 B CN 104605886B CN 201510069805 A CN201510069805 A CN 201510069805A CN 104605886 B CN104605886 B CN 104605886B
- Authority
- CN
- China
- Prior art keywords
- signal
- threshold
- duration
- correlation coefficient
- power spectrum
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000001514 detection method Methods 0.000 title claims abstract description 54
- 238000001228 spectrum Methods 0.000 claims abstract description 213
- 230000008569 process Effects 0.000 claims abstract description 25
- 238000006243 chemical reaction Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 13
- 210000004072 lung Anatomy 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 20
- 230000003044 adaptive effect Effects 0.000 claims description 12
- 238000013459 approach Methods 0.000 claims description 12
- 238000009499 grossing Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 5
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 3
- 108010001267 Protein Subunits Proteins 0.000 claims 2
- 230000000694 effects Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 230000002085 persistent effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 208000019693 Lung disease Diseases 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000002555 auscultation Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 208000000058 Anaplasia Diseases 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 206010061876 Obstruction Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 208000006673 asthma Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及喘鸣音检测装置和方法,该方法包括:对肺音信号进行时频变换得到肺音的幅度谱或功率谱信号;对幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,得到大信号;将大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将相关系数与第二阈值进行比较,得到一组处理后的相关系数;对一组处理后的相关系数中的非零数的持续时长进行检测,并将持续时长与第三阈值进行比较,得到一组最终相关系数;当一组最终相关系数中存在非零数时,判定非零数持续时间长度内对应的大信号为喘鸣音信号。由上可见,本发明实施例中,根据相关系数法来检测喘鸣音,该方法在保证喘鸣音检测准确度的同时有效降低计算量。
Description
技术领域
本发明涉及生物医学信号处理技术领域,尤其涉及喘鸣音检测装置和方法。
背景技术
随着生物医学信号处理技术的不断发展,其应用领域日益广泛,如异常心肺音检测、肺部气流成像等。近年来随着空气污染和其他环境因素,呼吸系统疾病患病率持续增长,肺部疾病诊断得到了更多的关注。其中,喘鸣音是一种常见的肺部异常音,与慢性阻塞性肺疾病、哮喘等肺部疾病密切相关。目前,临床医学对喘鸣音的诊断主要依靠听诊,这取决于医生的听诊技术和临床经验,主观性较强。
为此,采用信号处理技术客观地检测喘鸣音具有重要意义。目前,采用信号处理技术检测喘鸣音主要包含两种方法:时频分析和模式识别。其中,采用模式识别技术进行检测需要大量患者数据进行训练。采用时频分析技术进行检测中,目前采用较多的方法有以下几种:基于峰值的检测、基于能量特性的检测、基于熵的检测、基于音调持续时间的检测等。但是目前大部分方法,其检测过程较为复杂,计算量较大,限制了实时性、便携型设备的发展。
发明内容
本发明提供一种喘鸣音检测装置和方法,该方法可以有效降低喘鸣音检测的计算量,检测准确度较高。
第一方面,提供了一种喘鸣音检测装置,所述装置包括:
时频分析单元,用于对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号;
大信号检测单元,用于对所述时频分析单元获得的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否者输出零,得到大信号;
相关系数计算及判断单元,用于将所述大信号检测单元得到的大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将所述相关系数与第二阈值进行比较,若所述相关系数大于等于第二阈值,则输出所述相关系数,否则输出零,得到一组处理后的相关系数;
时长检测及判断单元,用于对所述相关系数计算及判断单元获得的一组处理后的相关系数中的非零数的持续时长进行检测,并将所述持续时长与第三阈值进行比较,若所述持续时长大于等于第三阈值时,则输出所述持续时长对应的非零数,否则输出零,得到一组最终相关系数;
喘鸣音判定单元,用于当所述时长检测及判断单元得到的一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
第二方面,提供了一种喘鸣音检测方法,所述方法包括:
对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号;
对所述幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否者输出零,得到大信号;
将所述大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将所述相关系数与第二阈值进行比较,若所述相关系数大于等于第二阈值,则输出所述相关系数,否则输出零,得到一组处理后的相关系数;
对所述一组处理后的相关系数中的非零数的持续时长进行检测,并将所述持续时长与第三阈值进行比较,若所述持续时长大于等于第三阈值时,则输出所述持续时长对应的非零数,否则输出零,得到一组最终相关系数;
当所述一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
本发明实施例中,首先对肺音信号进行时频变换,并对其进行大信号检测预处理,然后针对大信号进行相关系数计算,获取相关系数连续大于预设数值对应的时间长度,当时间长度超过时间阈值时,判定该时间长度内的大信号为喘鸣音。该方法根据相关系数来判定喘鸣音,在保证喘鸣音检测准确度的同时有效降低计算量,具有良好的应用前景。
附图说明
图1为本发明实施例中的喘鸣音检测装置结构框图;
图2为本发明实施例中的喘鸣音检测方法流程图;
图3为本发明实施例中的时长检测判断示意图。
具体实施方式
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为便于对本发明实施例的理解,下面将结合附图以具体实施例做进一步的解释说明,实施例并不构成对本发明实施例的限定。
现有的喘鸣音自动检测方法主要包括时频分析和模式识别,本发明实施例中,根据喘鸣音的特点,采用基于相关系数计算的方法来检测喘鸣音。该方法首先对信号进行时频分析,得到信号的时频谱。在时频分析中,主要方法有短时傅里叶变换(STFT,Short-TimeFourier Transform)、Hi lbert变换、Hi lbert-Huang变换、小波变换、S变换等,其中,优选地选用STFT来对采集到的肺音信号进行时频分析,这是由于相比于上述其他时频变换方法,STFT具有快速算法,适合于快速实时检测喘鸣音。离散STFT公式如下所示,其中w[n]代表时间窗函数:
短时傅立叶变换之后得到信号的幅度谱或功率谱。幅度谱A[m,k]和功率谱P[m,k]定义如下:
P[m,k]=|X[m,k]|2=Re(X[m,k])2+Im(X[m,k])2
本发明实施例中,得到信号的幅度谱或功率谱之后还包括幅度谱或功率谱的大信号检测、相关系数计算及判断、时长检测及判断和喘鸣音判定等几个重要的处理单元及处理步骤。
图1为本发明实施例中的喘鸣音检测装置结构框图,所述装置包括:
时频分析单元101,用于对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号;
大信号检测单元102,用于对所述时频分析单元101获得的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当谱信号大于该频带的第一阈值时,输出该谱信号,否者输出零,得到大信号;
当幅度谱或功率谱信号大于该频带的第一阈值时,保留该谱信号,否则输出零,从而得到大信号。第一阈值的设定很关键。根据功率谱或幅度谱的均值和标准差(或方差),可以采用固定方法或自适应方法来设定第一阈值。此外,由于喘鸣音具有单音和多音的不同种类,如果通过整个信号频带内幅度谱或功率谱的均值和方差来设定第一阈值,进而进行大信号检测,那么对于多音喘鸣音,因为谐波部分能量较低,会对谐波部分产生很大影响从而可能无法检测到多音喘鸣音,因此,采用分频带来检测幅度谱或功率谱的大信号是较佳方案,即将整个信号频带划分为几个频带,在每个频带内根据功率谱或幅度谱的均值和标准差(或方差),采用上述固定方法或自适应方法得到每个频带的第一阈值,分别将每个频带内幅度谱或功率谱信号与该频带第一阈值进行比较,即得到大信号。
相关系数计算及判断单元103,用于将所述大信号检测单元102得到的大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将该相关系数与第二阈值进行比较,若该相关系数大于等于第二阈值,则输出该相关系数,否则输出零,得到一组处理后的相关系数。
喘鸣音的频率高于正常肺音频率,在时频谱图中呈现为条纹特性,其大信号时频谱图中相邻时间窗之间数值相关性较大,且较大相关系数持续时间较长。根据喘鸣音的特点,优选地第二阈值可设定为0.9。将由大信号检测单元102得到的信号经过互相关计算获得的每个相关系数与第二阈值进行比较,当相关系数值大于等于第二阈值时则输出该相关系数值,否则输出零,从而得到一组处理后的相关系数。
时长检测及判断单元104,用于对所述相关系数计算及判断单元103获得的一组处理后的相关系数中的非零数的持续时长进行检测,并将该持续时长与第三阈值进行比较,若该持续时长大于等于第三阈值时,则输出该持续时长对应的非零数,否则输出零,得到一组最终相关系数。
根据喘鸣音的特点,优选地第三阈值是可设定为150ms。将所述相关系数计算及判断单元103得到的一组处理后的相关系数中的非零数的持续时长,即非零数值的持续时间长度,与第三阈值150ms进行比较,当所述时长小于第三阈值,则输出零,当该时长大于等于第三阈值,则输出与该持续时长对应的非零数值,从而得到一组最终相关系数。
喘鸣音判定单元105,用于当所述时长检测及判断单元104得到的一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
更佳地,所述装置还包括:
滤波处理单元106,用于在所述大信号检测单元102对所述时频分析单元101获得的幅度谱或功率谱信号进行大信号检测之前,对所述幅度谱或功率谱信号进行平滑滤波,得到平滑谱信号,然后将时频分析单元101获得的幅度谱或功率谱信号与该平滑谱信号相减,得到平滑处理后的幅度谱或功率谱信号。平滑处理后的谱信号是去除了基本呼吸音成份的谱信号。
更佳地,所述大信号检测单元102具体包括:
第一阈值设定子单元1021,用于对所述时频分析单元101或滤波处理单元106获得的幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差(或方差),根据所述均值和标准差(或方差)来设定每个频带的第一阈值。
其中,每个频带的第一阈值的设定可以采用固定方法或自适应方法。第一阈值=a×信号幅度谱(或功率谱)的均值+b×信号幅度谱(或功率谱)的方差(或标准差)。在固定方法中,a和b的取值固定,例如,a取值1,b取值3。在自适应方法中,根据功率谱或幅度谱的均值和标准差(或方差)的大小来自适应选取a和b,例如根据功率谱或幅度谱的均值和标准差(或方差)的比值大小来选取a和b。
比较子单元1022,用于将每个频带的幅度谱或功率谱信号与该频带的第一阈值进行比较,得到大信号。
较佳地,所述时长检测及判断单元104具体包括:
第一时长检测判断子单元1041,用于检测相关系数计算及判断单元103得到的一组处理后的相关系数中,每段非零数值的结束时刻与下一段非零数值的开始时刻之间的间隔时长,若所述间隔时长小于等于哈斯效应阈值,即第四阈值,则将该间隔时长内的零值设置为第二阈值或大于第二阈值小于等于1的任意值,若所述间隔时长大于哈斯效应阈值,即第四阈值,则不做改变,从而得到一组相关系数;
第二时长检测判断子单元1042,用于判断第一时长检测判断子单元1041得到的一组相关系数中每段非零数值的持续时长,将该持续时长与第三阈值进行比较,若该持续时长大于等于第三阈值时,则输出该持续时长对应的非零数,否则输出零,得到一组最终相关系数。
优选地第四阈值是可设定为50ms。
本发明实施例中,先由时频分析单元101对肺音信号进行时频变换得到随时间变化的频域信号,并根据该频域信号得到肺音的幅度谱或功率谱信号,然后由大信号检测单元102对时频分析单元101得到的幅度谱或功率谱信号分频带进行大信号检测,由相关系数计算及判断单元103将大信号检测单元102获得的每个时间窗的大信号与其前一时间窗的大信号进行互相关计算,得到相关系数,并将该相关系数与第二阈值进行比较,若该相关系数大于等于第二阈值,则输出该相关系数,否则输出零,得到一组处理后的相关系数,再由时长检测及判断单元104对所述相关系数计算及判断单元103获得的一组处理后的相关系数中的非零数的持续时长进行检测,并将该持续时长与第三阈值进行比较,若该持续时长大于等于第三阈值时,则输出该持续时长对应的非零数,否则输出零,得到一组最终相关系数,最后由喘鸣音判定单元105在所述时长检测及判断单元104得到的一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。由上可见,相比于正常肺音,喘鸣音的大信号时频谱图中相邻时间窗之间数值相关性较大,且较大相关系数持续时间较长。本发明根据相关系数法检测喘鸣音,可以有效降低计算量,并且保证喘鸣音检测的准确度。
图2为本发明实施例中的喘鸣音检测方法流程图,所述方法包括:
步骤201,对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号。
其中,由于短时傅里叶变换具有较为简单、计算量较小的特点,具体可以选择短时傅里叶变换对肺音信号进行时频变换。
步骤202,对获得的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当谱信号大于该频带的第一阈值时,输出该谱信号,否者输出零,得到大信号。
当幅度谱或功率谱信号大于该频带的第一阈值时,保留该谱信号,否则输出零,从而得到大信号。第一阈值的设定很关键。根据功率谱或幅度谱的均值和标准差(或方差),可以采用固定方法或自适应方法来设定第一阈值。此外,由于喘鸣音具有单音和多音的不同种类,对于多音喘鸣音,因为谐波部分能量较低,会对谐波部分产生很大影响从而可能无法检测到多音喘鸣音,因此,采用分频带来检测幅度谱或功率谱的大信号是较佳方案,即将整个信号频带划分为几个频带,在每个频带内根据功率谱或幅度谱的均值和标准差(或方差),采用上述固定方法或自适应方法得到每个频带的第一阈值,分别将每个频带内幅度谱或功率谱信号与该频带第一阈值进行,即得到大信号。
步骤203,将每个时间窗的大信号与其前一时间窗的大信号进行互相关计算,得到相关系数,并将该相关系数与第二阈值进行比较,若该相关系数大于等于第二阈值,则输出该相关系数,否则输出零,得到一组处理后的相关系数。
喘鸣音的频率高于正常肺音频率,在时频谱图中呈现为条纹特性,其大信号时频谱图中相邻时间窗之间数值相关性较大,且较大相关系数持续时间较长。根据喘鸣音的特点,优选地第二阈值可设定为0.9。将由大信号经过互相关计算获得的每个相关系数与第二阈值进行比较,当相关系数值大于等于第二阈值时则输出该相关系数值,否则输出零,从而得到一组处理后的相关系数。
步骤204,对所述处理后的一组处理后的相关系数中的非零数的持续时长进行检测,并将该持续时长与第三阈值进行比较,若该持续时长大于等于第三阈值时,则输出该持续时长对应的非零数,否则输出零,得到一组最终相关系数。
根据喘鸣音的特点,优选地第三阈值是可设定为150ms。将步骤203得到的一组处理后的相关系数中的非零数的持续时长,即非零数值的持续时间长度,与第三阈值150ms进行比较,当所述时长小于第三阈值,则输出零,当该时长大于等于第三阈值,则输出与该持续时长对应的非零数值,从而得到一组最终相关系数。
步骤205,当所述一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
进一步地,喘鸣音检测方法在步骤201和202之间还可以包括:
步骤206,对步骤201得到的幅度谱或功率谱信号进行平滑滤波,得到平滑谱信号,然后将所述幅度谱或功率谱信号与该平滑谱信号相减,得到平滑处理后的幅度谱或功率谱信号。平滑处理后的谱信号是去除了基本呼吸音成份的谱信号。
进一步地,步骤202具体可以包括:
步骤一,对步骤201或208获得的幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差(或方差),根据所述均值和标准差(或方差)来设定每个频带的第一阈值。
其中,每个频带的第一阈值的设定可以采用固定方法或自适应方法。第一阈值=a×信号幅度谱(或功率谱)的均值+b×信号幅度谱(或功率谱)的方差(或标准差)。在固定方法中,a和b的取值固定,例如,a取值1,b取值3。在自适应方法中,根据功率谱或幅度谱的均值和标准差(或方差)的大小来自适应选取a和b,例如根据功率谱或幅度谱的均值和标准差(或方差)的比值大小来选取a和b。
步骤二,将每个频带的幅度谱或功率谱信号与该频带的第一阈值进行比较,当幅度谱或功率谱信号大于该频带的第一阈值时,保留该信号,得到大信号。
图3为本发明实施例中的时长检测判断示意图,参照图3,进一步地,步骤204具体可以包括如下步骤:
步骤一,检测步骤203得到的一组处理后的相关系数中,每段非零数值的结束时刻与下一段非零数值的开始时刻之间的间隔时长,若所述间隔时长小于等于哈斯效应阈值,即第四阈值,则将该间隔时长内的零值设置为第二阈值或大于第二阈值小于等于1的任意值,若所述间隔时长大于哈斯效应阈值,即第四阈值,则不做改变,从而得到一组相关系数;
其中,哈斯效应是指两个声音延迟间隔在35ms以内时,人耳无法区分两个声源;当延迟间隔在35至50ms时,人耳开始感知滞后声源的存在,但听感做辨别的方位仍是前导声源;当间隔超过50ms时,人耳才能分辨出两声源的方位。所以,当声音出现小于50ms的间断时,听诊时会判定其是连续的。因此本发明提出一种基于哈斯效应的相关系数处理方法:若相关系数均高于第二阈值的两点之间存在零值或低于第二阈值的数值,但是这两点的时间间隔小于第四阈值,则认为两点间的相关系数值全部高于第二阈值,该部分判定为连续。这是由于通过对喘鸣音的典型数据分析,我们发现,谱图中时间分辨率对喘鸣音的判定有着至关重要的影响。当时间分辨率过高时,喘鸣音的谱图会存在短暂的断裂,从而导致在相关系数长时间大部分高于第二阈值的部分中,存在个别低于第二阈值甚至为0的相关系数,影响相关系数曲线非零值的连续性判断。但是考虑哈斯效应后,这种短小的断裂对相关系数的影响将被忽略,提高了喘鸣音判定准确度。本领域技术人员可以了解上述第二阈值取为0.9,仅为举例说明,并不用于对本发明的限定,根据具体情况,上述预设数值也可为其他数值。
参照图3,图3(a)表示步骤一之前的一组处理后的相关系数,图3(b)表示步骤一之后的一组相关系数,左斜线部分表示大于第二阈值的相关系数,其余表示零值。如图所示,左起第一段非零相关系数值结束时刻与第二段非零相关系数值开始时刻的间隔时长小于哈斯效应阈值,因此,该间隔处的零值将被更改为第二阈值或者大于第二阈值但小于1的某个值;左起第二段非零相关系数值结束时刻与第三段非零相关系数值开始时刻的时长间隔大于哈斯效应阈值,因此将不进行任何处理。
步骤二,判断所述步骤一得到的一组相关系数中每段非零数值的持续时长,将该持续时长与第三阈值进行比较,若该持续时长大于等于第三阈值时,则输出该持续时长对应的非零数,否则输出零,得到一组最终相关系数。。
参照图3,图3(b)表示步骤二之前的一组自相关系数,图3(c)表示步骤二之后的一组最终相关系数,左斜线部分表示大于第二阈值的相关系数,其余表示零值。图3(b)中,左起第一段非零相关系数值持续时长大于第三阈值,因此保留该段相关系数值;第二段非零相关系数值持续时长小于第三阈值,因此将该段相关系数值更改为零值,如图3(c)所示。
由上述处理过程可知,本发明实施例中,首先对肺音信号进行时频变换,得到幅度谱或功率谱信号,然后对该谱信号分频带进行大信号检测、相关系数计算及判断、时长检测及判断、喘鸣音判定,通过信号处理技术客观地给出检测结果,该方法检测准确度较高,计算量较低。
专业人员应该还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种喘鸣音检测装置,其特征在于,所述装置包括:
时频分析单元,用于对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号;
大信号检测单元,用于对所述时频分析单元获得的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否则输出零,得到大信号;
相关系数计算及判断单元,用于将所述大信号检测单元得到的大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将所述相关系数与第二阈值进行比较,若所述相关系数大于等于第二阈值,则输出所述相关系数,否则输出零,得到一组处理后的相关系数;
时长检测及判断单元,用于对所述相关系数计算及判断单元获得的一组处理后的相关系数中的非零数的持续时长进行检测,并将所述持续时长与第三阈值进行比较,若所述持续时长大于等于第三阈值,则输出所述持续时长对应的非零数,否则输出零,得到一组最终相关系数;
喘鸣音判定单元,用于当所述时长检测及判断单元得到的一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
2.如权利要求1所述的装置,其特征在于,所述装置还包括:
滤波处理单元,用于在所述大信号检测单元对所述时频分析单元获得的幅度谱或功率谱信号进行大信号检测之前,对所述时频分析单元获得的幅度谱或功率谱信号进行平滑滤波,得到平滑谱信号,然后将所述幅度谱或功率谱信号与所述平滑谱信号相减,得到平滑处理后的幅度谱或功率谱信号,并输出所述幅度谱或功率谱信号到所述大信号检测单元。
3.如权利要求2所述的装置,其特征在于,所述大信号检测单元具体包括:
第一阈值设定子单元,用于对所述时频分析单元或所述滤波处理单元获得的幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差;或均值和方差,根据所述均值和标准差;或均值和方差来设定每个频带的第一阈值;
比较子单元,用于将每个频带的幅度谱或功率谱信号与所述第一阈值设定子单元设定的该频带的第一阈值进行比较,得到大信号。
4.如权利要求3所述的装置,其特征在于,所述第一阈值设定子单元,具体用于对所述幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差;或均值和方差,根据所述均值和标准差;或均值和方差来设定每个频带的第一阈值;每个频带的第一阈值的设定采用固定方法或自适应方法;
所述第一阈值通过如下公式确定:
第一阈值=a×信号幅度谱的均值+b×信号幅度谱的方差;或者,
第一阈值=a×信号幅度谱的均值+b×信号幅度谱的标准差;或者,
第一阈值=a×信号功率谱的均值+b×信号功率谱的方差;或者,
第一阈值=a×信号功率谱的均值+b×信号功率谱的标准差;
其中,在固定方法中,a和b的取值固定;在自适应方法中,根据功率谱或幅度谱的均值和标准差;或均值和方差的比值大小来自适应选取a和b。
5.如权利要求1至4中任一权利要求所述的装置,其特征在于,所述时长检测及判断单元具体包括:
第一时长检测判断子单元,用于检测所述相关系数计算及判断单元得到的一组处理后的相关系数中,每段非零数值的结束时刻与下一段非零数值的开始时刻之间的间隔时长,若所述间隔时长小于等于第四阈值,则将该间隔时长内的零值设置为所述第二阈值或大于所述第二阈值小于等于1的任意值,若所述间隔时长大于所述第四阈值,则不做改变,得到一组相关系数;
第二时长检测判断子单元,用于判断所述第一时长检测判断子单元得到的一组相关系数中每段非零数值的持续时长,将所述持续时长与第三阈值进行比较,若所述持续时长大于等于所述第三阈值,则输出所述持续时长对应的非 零数,否则输出零,得到一组最终相关系数。
6.一种喘鸣音检测方法,其特征在于,所述方法包括:
对肺音信号进行时频变换,根据时频变换后的信号得到肺音的幅度谱或功率谱信号;
对所述幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否则输出零,得到大信号;
将所述大信号中每个时间窗的信号与其前一时间窗的信号进行互相关计算,得到相关系数,并将所述相关系数与第二阈值进行比较,若所述相关系数大于等于第二阈值,则输出所述相关系数,否则输出零,得到一组处理后的相关系数;
对所述一组处理后的相关系数中的非零数的持续时长进行检测,并将所述持续时长与第三阈值进行比较,若所述持续时长大于等于第三阈值,则输出所述持续时长对应的非零数,否则输出零,得到一组最终相关系数;
当所述一组最终相关系数中存在非零数时,判定所述非零数持续时间长度内对应的大信号为喘鸣音信号。
7.如权利要求6所述的方法,其特征在于,在所述对所述幅度谱或功率谱信号分频带与每个频带内的第一阈值比较之前,所述方法还包括:
对所述幅度谱或功率谱信号进行平滑滤波,得到平滑谱信号,然后将所述幅度谱或功率谱信号与所述平滑谱信号相减,得到平滑处理后的幅度谱或功率谱信号;
所述对所述幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否则输出零,得到大信号,具体为:对所述平滑处理后的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否则输出零, 得到大信号。
8.如权利要求7所述的方法,其特征在于,所述对所述平滑处理后的幅度谱或功率谱信号分频带与每个频带内的第一阈值比较,当所述幅度谱或功率谱信号大于该频带的第一阈值时,输出所述幅度谱或功率谱信号,否则输出零,得到大信号,具体包括:
对所述平滑处理后的幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差;或均值和方差,根据所述均值和标准差;或均值和方差来设定每个频带的第一阈值;
将每个频带的幅度谱或功率谱信号与所述第一阈值进行比较,得到大信号。
9.如权利要求8所述的方法,其特征在于,所述对所述平滑处理后的幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差;或均值和方差,根据所述均值和标准差;或均值和方差来设定每个频带的第一阈值,具体包括:
对所述幅度谱或功率谱信号分频带计算每个频带内信号的均值和标准差;或均值和方差,根据所述均值和标准差;或均值和方差来设定每个频带的第一阈值;每个频带的第一阈值的设定采用固定方法或自适应方法;
所述第一阈值通过如下公式确定:
第一阈值=a×信号幅度谱的均值+b×信号幅度谱的方差;或者,
第一阈值=a×信号幅度谱的均值+b×信号幅度谱的标准差;或者,
第一阈值=a×信号功率谱的均值+b×信号功率谱的方差;或者,
第一阈值=a×信号功率谱的均值+b×信号功率谱的标准差;
其中,在固定方法中,a和b的取值固定;在自适应方法中,根据功率谱或幅度谱的均值和标准差;或均值和方差的比值大小来自适应选取a和b。
10.如权利要求6至9中任一权利要求所述的方法,其特征在于,所述对所述一组处理后的相关系数中的非零数的持续时长进行检测,并将所述持续时长与第三阈值进行比较,若所述持续时长大于等于第三阈值,则输出所述持 续时长对应的非零数,否则输出零,得到一组最终相关系数,具体包括:
检测所述一组处理后的相关系数中,每段非零数值的结束时刻与下一段非零数值的开始时刻之间的间隔时长,若所述间隔时长小于等于第四阈值,则将该间隔时长内的零值设置为所述第二阈值或大于所述第二阈值小于等于1的任意值,若所述间隔时长大于所述第四阈值,则不做改变,从而得到一组相关系数;
判断所述一组相关系数中每段非零数值的持续时长,将所述持续时长与第三阈值进行比较,若所述持续时长大于等于所述第三阈值,则输出所述持续时长对应的非零数,否则输出零,得到一组最终相关系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510069805.6A CN104605886B (zh) | 2015-02-10 | 2015-02-10 | 喘鸣音检测装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510069805.6A CN104605886B (zh) | 2015-02-10 | 2015-02-10 | 喘鸣音检测装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104605886A CN104605886A (zh) | 2015-05-13 |
CN104605886B true CN104605886B (zh) | 2017-03-01 |
Family
ID=53140739
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510069805.6A Expired - Fee Related CN104605886B (zh) | 2015-02-10 | 2015-02-10 | 喘鸣音检测装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104605886B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7073914B2 (ja) * | 2018-05-30 | 2022-05-24 | オムロンヘルスケア株式会社 | 喘鳴検出装置及び喘鳴検出プログラム |
CN114509749A (zh) * | 2022-04-19 | 2022-05-17 | 亿慧云智能科技(深圳)股份有限公司 | 一种室内定位检测系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080317673A1 (en) * | 2007-06-20 | 2008-12-25 | Fatema Salem Al-Thallab | Method for diagnosing and treating bronchial asthma |
JP5961116B2 (ja) * | 2010-03-08 | 2016-08-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 呼吸困難の客観的尺度を得るためのシステム及び方法 |
-
2015
- 2015-02-10 CN CN201510069805.6A patent/CN104605886B/zh not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
CN104605886A (zh) | 2015-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP1740095B1 (en) | Non-invasive monitoring of respiratory rate | |
Jin et al. | Adventitious sounds identification and extraction using temporal–spectral dominance-based features | |
CN103479349B (zh) | 心电信号数据获取及处理方法和系统 | |
EP0956820A1 (en) | Apnea determination | |
CN108670200A (zh) | 一种基于深度学习的睡眠鼾声分类检测方法及系统 | |
JPH07163535A (ja) | 患者モニタ | |
KR20160035120A (ko) | 마이크로폰을 이용한 호흡률 추정 장치 및 기법 | |
CN108992053B (zh) | 一种实时的无束缚检测心率和心跳间隔的方法 | |
CN104994782A (zh) | 用于测量麻醉深度的方法和设备 | |
CN105662454B (zh) | 一种罗音检测的方法和装置 | |
CN104605886B (zh) | 喘鸣音检测装置和方法 | |
US20190388006A1 (en) | Non-invasive system and method for breath sound analysis | |
CN104434310B (zh) | 监护设备及其参数性能改进方法、系统 | |
Iyer et al. | Autoregressive modeling of lung sounds: characterization of source and transmission | |
US20150272474A1 (en) | Respiration rate determination in impedance pneumography | |
Corthout et al. | Automatic screening of obstructive sleep apnea from the ECG based on empirical mode decomposition and wavelet analysis | |
Gavriely et al. | Parametric representation of normal breath sounds | |
CN110491504A (zh) | 一种心音信号医学指标数据的获取方法 | |
JP2014233598A (ja) | 聴診心音信号の処理方法、聴診心音信号の処理装置及び聴診心音信号を処理するためのプログラム | |
CN104688264B (zh) | 喘鸣音检测装置和方法 | |
CN110151156A (zh) | 一种基于窗内自动加权平均算法的胎心率提取方法及系统 | |
CN111839501B (zh) | 一种基于频域自相关的心电信号干扰去噪方法及系统 | |
Fedotov et al. | A QRS-complex detector of the electrocardiogram signal for the long-term monitoring of the patient’s condition | |
US11246526B2 (en) | Swallowing diagnosis apparatus and storage medium | |
Huang et al. | An apnea detection method based on correlation analysis of blood oxygen desaturation and pulse rate variability |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170301 |
|
CF01 | Termination of patent right due to non-payment of annual fee |