CN104688264B - 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
- CN104688264B CN104688264B CN201510020834.3A CN201510020834A CN104688264B CN 104688264 B CN104688264 B CN 104688264B CN 201510020834 A CN201510020834 A CN 201510020834A CN 104688264 B CN104688264 B CN 104688264B
- Authority
- CN
- China
- Prior art keywords
- signal
- packet
- big
- frequency
- time
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000001228 spectrum Methods 0.000 claims abstract description 168
- 208000037656 Respiratory Sounds Diseases 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000006243 chemical reaction Methods 0.000 claims abstract description 21
- 210000004072 lung Anatomy 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000003044 adaptive effect Effects 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 9
- 230000006978 adaptation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 10
- 238000012360 testing method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- CNQCVBJFEGMYDW-UHFFFAOYSA-N lawrencium atom Chemical compound [Lr] CNQCVBJFEGMYDW-UHFFFAOYSA-N 0.000 description 5
- 230000006870 function Effects 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 208000019693 Lung disease Diseases 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 241001269238 Data Species 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
- 238000002555 auscultation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002685 pulmonary effect Effects 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
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，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得到大信号；对大信号进行分组得到分组大信号；对分组大信号的每个分组进行时长检测并与第二阈值进行比较，保留时长大于等于第二阈值的分组大信号；对每个时间窗内的分组大信号进行谐波数检测并判断，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；根据最终分组大信号的能量和时长计算特征值；当特征值大于第四阈值时判定肺音信号为喘鸣音。由上可见，本发明通过信号处理技术客观地给出检测结果，检测准确度较高。
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，可以提高喘鸣音检测的准确度。
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，得到大信号；
分组单元，用于对所述大信号检测单元得到的大信号进行分组，得到分组大信号；
时长检测判断单元，用于对所述分组单元获得的分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号；
谐波数检测判断单元，用于对所述时长检测判断单元得到的分组大信号的每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；
特征值计算单元，用于根据所述谐波数检测判断单元得到的最终分组大信号的能量和时长计算特征值；
喘鸣音判定单元，用于当所述特征值计算单元得到的特征值小于等于第四阈值时判定所述肺音信号为正常肺音，当所述特征值计算单元得到的特征值大于第四阈值时判定所述肺音信号为喘鸣音。
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，得到大信号；
对所述大信号进行分组，得到分组大信号；
对所述分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信 号；
对所述分组大信号的每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；
根据所述最终分组大信号的能量和时长计算特征值；
当所述特征值小于等于第四阈值时判定所述肺音信号为正常肺音，当所述特征值计算单元得到的特征值大于第四阈值时判定所述肺音信号为喘鸣音。
本发明实施例中，首先对肺音信号进行时频变换得到肺音随时间变化的频域信号，并对随时间变化的频域信号分频段进行大信号检测，然后基于哈斯效应对大信号进行分组、时长检测判断、谐波数检测判断、特征值计算以及喘鸣音判定，通过信号处理技术客观地给出检测结果，检测准确度较高，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分组标记示意图(注：其中，a\b\c中L-s表示Large-signal)。
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，采用基于时频分析的方法来检测喘鸣音。时频分析方法可以观察信号的时频联合特征，能够同时在时间和频率上表示信号的能量分布，构成时频谱。在时频分析中，主要方法有短时傅里叶变换(STFT，Short-Time Fourier Transform)、Hilbert变换、Hilbert-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：
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、大信号分组、特征提取和喘鸣音判断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，得到大信号；
其中，大信号是指幅度谱或功率谱中大于第一阈值的信号。当幅度谱或功率谱信号大于该频带的第一阈值时，保留该信号，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。
分组单元103，用于对所述大信号检测单元102得到的大信号进行分组，得到分组大信号；
其中，大信号是肺音的幅度谱或功率谱信号中所有大于第一阈值的信号，对大信号进行分组就是将频率相同或相邻、时间相同或相邻的大信号分为相同的组，便于根据喘鸣音的特点进行后续的时长判断。
时长检测判断单元104，用于对所述分组单元103获得的分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号；
根据喘鸣音的特点，优选地第二阈值是可设定为150ms。将每个分组的时长与第二阈值进行比较，当时长小于第二阈值，则去除该分组大信号，否则保留该分组大信号。
谐波数检测判断单元105，用于对所述时长检测判断单元104得到的分组大信号的每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；
喘鸣音可分为单音喘鸣音、多音喘鸣音等多种类型，其中，多音喘鸣音的谐波数一般不超过3，因此，根据多音喘鸣音的特点，优选地第三阈值是可设定为4。将每个时间窗内的大信号谐波数与第三阈值比较，删除谐波数大于 第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号。
特征值计算单元106，用于根据所述谐波数检测判断单元105得到的最终分组大信号的能量和时长计算特征值；
在特征提取中，本发明实施例中优选采用能量时间比作为特征，用来对喘鸣音进行判定。具体是：将谐波数检测判断单元105得到的最终分组大信号的能量与信号总能量的比值除以最终分组大信号时长与信号总时长的比值，确定为特征值，即
喘鸣音判定单元107，用于当所述特征值计算单元106得到的特征值小于等于(或小于)第四阈值时判定所述肺音信号为正常肺音，当所述特征值计算单元106得到的特征值大于(或大于等于)第四阈值时判定所述肺音信号为喘鸣音。
较佳地，所述装置在时频分析单元101之后大信号检测单元102之前还包括：
滤波处理单元108，用于在所述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108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，所述分组单元103具体包括：
第一分组子单元1031，用于按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率、前一相邻时间后一相邻频率以及相同时间前一相邻频率的信号是否有分组，若没有分组，则将该大信号分为一个新组，若至少有一个分组，则将该大信号分为所述优先顺序最先的分组，得到第一次分组结果；
第二分组子单元1032，用于根据所述第一次分组结果，判断大信号的相同时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号的分组不变，若有分组，则将所述大信号分为所述分组，得到第二次分组结果；
第三分组子单元1033，用于根据所述第二次分组结果，按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率和前一相邻时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号分组不变，若至少有一个分组，则将所述大信号以及与所述大信号相同分组的信号均分为所述优先顺序最先的分组，得到第三次分组结果；
分组结果确定子单元1034，用于根据所述第三次分组结果，对于时间间隔小于等于哈斯间隔的不同大信号分组，判断时间上前一个信号分组结束处的信号频率与时间上后一个信号分组的信号频率是否相同或者部分相同，若判断结果为是，则将所述前一个信号分组与后一个信号分组分为同组，得到 分组大信号。
由上可见，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，由分组单元103基于哈斯效应对大信号检测单元102得到的大信号进行分组，由时长检测判断单元104针对分组单元103获得的大信号的每个分组进行时长检测判断，删除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号，由谐波数检测判断单元105针对时长检测判断单元104得到的分组大信号的每个时间窗内的大信号进行谐波数检测，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号，再由特征值计算单元106根据谐波数检测判断单元105得到的最终分组大信号的能量和时间计算特征值，最后由喘鸣音判定单元107在特征值计算单元106得到的特征值小于等于(或小于)第四阈值时判定肺音信号为正常肺音，在特征值计算单元106得到的特征值大于(或大于等于)第四阈值时判定肺音信号为喘鸣音。本发明实施例提供的喘鸣音检测装置通过信号处理技术客观地给出检测结果，检测准确度较高。
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。
较佳地，由于短时傅里叶变换具有较为简单、计算量较小的特点，具体选择短时傅里叶变换对肺音信号进行时频变换。
步骤202，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，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，保留该信号，从而得到大信号。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，对所述大信号进行分组，得到分组大信号。
将频率相同或相邻、时间相同或相邻的大信号分为相同的组，以便进行后续的时长判断。
步骤204，对所述分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号。
根据喘鸣音的特点，优选地第二阈值是可设定为150ms。首先检测每组分组大信号的时长，即每组大信号的持续时间，然后将每个分组的时长与第二阈值进行比较，当时长小于第二阈值，则去除该分组大信号，否则保留该分组大信号。
步骤205，针对每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号。
喘鸣音可分为单音喘鸣音、多音喘鸣音等多种类型，其中，多音喘鸣音的谐波数一般不超过3，因此，根据多音喘鸣音的特点，优选地第三阈值是可设定为4。将每个时间窗内的大信号谐波数与第三阈值比较，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号。
步骤206，根据最终分组大信号的能量和时长计算特征值。
本发明实施例中优选采用能量时间比作为特征，用来对喘鸣音进行判定。具体是：将步骤205得到的最终分组大信号的能量与信号总能量的比值除以最终分组大信号时长与信号总时长的比值，确定为特征值，即
步骤207，当所述特征值小于等于(或小于)第四阈值时判定所述肺音信号为正常肺音，当所述特征值大于(或大于等于)第四阈值时判定所述肺音信号为喘鸣音。
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208，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分组方法的示意图，参照图3，进一步地，步骤203包括如下具体步骤：(以确定Large-signal(f,t)的分组标记为例)：
步骤一，按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率、前一相邻时间后一相邻频率以及相同时间前一相邻频率的信号是否有分组，若没有分组，则将该大信号分为一个新组，若至少有一个分组，则将该大信号分为优先顺序最先的分组，得到第一次分组结果。
参照图3(a)，对大信号Large-signal(f,t)进行分组，其中f为频率，t为时间。首先，按照图3(a)中1至4的优先顺序，依次判断大信号Large-signal(f,t)前一相邻时间前一相邻频率、前一相邻时间相同频率、前一相邻时间后一相邻频率以及相同时间前一相邻频率的信号是否有分组。具体地，依次检查信号Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)、Large-signal(f-1,t)是否有分组，如果Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)、Large-signal(f-1,t)都不是大信号，就不会有分组，则将Large-signal(f,t)分为一个新的分组，如果信号Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)、Large-signal(f-1,t)至少有一个分组，则将大信号Large-signal(f,t)分在其中优先顺序最先的组，例如，如果信号Large-signal(f-1,t-1)有分组，则将信号Large-signal(f,t)与(f-1,t-1)分为同组，不管Large-signal(f,t-1)、Large-signal(f+1,t-1)、Large-signal(f-1,t)是否有分组；又如，如果Large-signal(f-1,t-1)无分组，Large-signal(f,t-1)有分组，则将信号Large-signal(f,t)与(f,t-1)分为同组，不管Large-signal(f+1,t-1)、Large-signal(f-1,t)是否有分组。依次类推，对所有大信号进行分组，得到第一次分组结果。
步骤二，根据第一次分组结果，判断大信号的相同时间后一相邻频率的信号是否有分组，若没有分组，则该大信号的分组不变，若有分组，则将该 大信号分为该分组，得到第二次分组结果。
将同一时间窗内后一频率相邻但不是相同分组的大信号分为一组，具体的是将同一时间窗内后一频率相邻但具有不同分组的大信号分为同组。参照图3(b)，判断信号Large-signal(f+1,t)是否有分组，如果无分组。则信号Large-signal(f,t)的分组不变，如果Large-signal(f+1,t)有分组，则将Large-signal(f,t)的分组更新为与Large-signal(f+1,t)相同，也就是将Large-signal(f,t)和Large-signal(f+1,t)分为同组。这一步骤作用于所有大信号，得到第二次分组结果。
步骤三，根据第二次分组结果，按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率和前一相邻时间后一相邻频率的信号是否有分组，若没有分组，则该大信号分组不变，若至少有一个分组，则将该大信号以及与该大信号相同分组的信号均分为优先顺序最先的分组，得到第三次分组结果。
参照图3(c)，按照6至8的优先顺序，依次判断大信号Large-signal(f,t)前一相邻时间前一相邻频率、前一相邻时间相同频率和前一相邻时间后一相邻频率的信号是否有分组，具体地，依次检查Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)是否有分组，如果无分组，则大信号Large-signal(f,t)分组不变，如果Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)至少有一个分组，则将大信号Large-signal(f,t)以及与其相同分组的信号均分为信号Large-signal(f-1,t-1)、Large-signal(f,t-1)、Large-signal(f+1,t-1)分组中优先顺序最先的组。这一步骤作用于所有大信号及其相同分组的信号，得到第三次分组结果。
步骤四,根据第三次分组结果，对于时间间隔小于等于哈斯间隔的不同大信号分组，判断时间上前一个信号分组结束处的信号频率与时间上后一个信号分组的信号频率是否相同或者部分相同，若是，则将该前一个信号分组与 后一个信号分组分为同组，得到分组大信号。
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35-50ms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。据此，在第三次分组结果的基础上，将时间上不连续但间隔不大于50ms且时间上前一个信号分组结束处的信号频率与时间上后一个信号分组的信号频率有相同或者部分相同的大信号分组再次分为同组，得到分组大信号。
参照图3(d)，图3(d)左表示根据哈斯效应分组前的示意图，图3(d)右表示根据哈斯效应分组后的示意图。其中，左图中，填充有左斜线的部分为一个分组，填充有右斜线的部分为不同的另一个分组。左斜线部分分组大信号的结束时间与右斜线部分分组大信号的开始时间之间的时间间隔小于哈斯间隔，也就是50ms，并且左斜线部分分组结束时间处的部分信号频率与右斜线部分分组的频率相同，因此，将这两个个分组大信号分为相同组，如图3(d)右所示。
处理中较为特殊的情况如图3(e)所示，左图表示根据哈斯效应分组前的示意图，右图表示根据哈斯效应分组后的示意图。其中，左图中，填充有左斜线的部分为一个分组，填充有右斜线的部分为不同的另一个分组，右斜线分组的起始时刻大信号的频率与左斜线分组的最末时刻大信号的频率不存在相同成分，但右斜线分组中有与左斜线分组最末时刻相同频率成分的大信号存在，且该大信号所在时刻与左斜线大信号最末时刻间隔小于哈斯时间，故仍分为同组。
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，然后对大信号进行分组、时长检测判断、谐波数检测判断、特征值计算以及喘鸣音判定，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。
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)
1.一种肺音信号处理装置，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，得到大信号；
分组单元，用于对所述大信号检测单元得到的大信号进行分组，得到分组大信号；
时长检测判断单元，用于对所述分组单元获得的分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号；
谐波数检测判断单元，用于对所述时长检测判断单元得到的分组大信号的每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；
特征值计算单元，用于根据所述谐波数检测判断单元得到的最终分组大信号的能量和时长计算特征值。
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，然后将所述时频分析单元获得的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，并输出所述平滑处理后的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进一步包括：
第一阈值设定子单元，用于对所述时频分析单元或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；或者均值和方差，根据所述均值和标准差；或者均值和方差来设定每个频带的第一阈值；
比较子单元，用于将所述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。
4.如权利要求3所述的装置，其特征在于，所述根据均值和标准差；或者均值和方差来设定每个频带的第一阈值进一步包括：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标准差或方差，所述a和b的数值选取采用固定方法或自适应方法；所述固定方法中，a和b的取值固定为常数；所述自适应方法中，根据所述每个频带的功率谱或幅度谱的均值和标准差；或者均值和方差的大小来自适应选取a和b。
5.如权利要求1所述的装置，其特征在于，所述分组单元进一步包括：
第一分组子单元，用于按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率、前一相邻时间后一相邻频率以及相同时间前一相邻频率的信号是否有分组，若没有分组，则将该大信号分为一个新组，若至少有一个分组，则将该大信号分为所述优先顺序最先的分组，得到第一次分组结果；
第二分组子单元，用于根据所述第一次分组结果，判断大信号的相同时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号的分组不变，若有分组，则将所述大信号分为所述分组，得到第二次分组结果；
第三分组子单元，用于根据所述第二次分组结果，按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率和前一相邻时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号分组不变，若至少有一个分组，则将所述大信号以及与所述大信号相同分组的信号均分为所述优先顺序最先的分组，得到第三次分组结果；
分组结果确定子单元，用于根据所述第三次分组结果，对于时间间隔小于等于哈斯间隔的不同大信号分组，判断时间上前一个信号分组结束处的信号频率与时间上后一个信号分组的信号频率是否相同或者部分相同，若判断结果为是，则将所述前一个信号分组与后一个信号分组分为同组，得到分组大信号；其中，所述哈斯间隔为50ms。
6.一种肺音信号处理方法，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，得到大信号；
对所述大信号进行分组，得到分组大信号；
对所述分组大信号的每个分组进行时长检测并与第二阈值进行比较，去除时长小于第二阈值的分组大信号，保留时长大于等于第二阈值的分组大信号；
对所述分组大信号的每个时间窗内的分组大信号进行谐波数检测并判断，删除谐波数大于第三阈值的分组大信号，保留谐波数小于等于第三阈值的分组大信号，得到最终分组大信号；
根据所述最终分组大信号的能量和时长计算特征值。
7.如权利要求6所述的方法，其特征在于，所述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，得到大信号之前，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，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，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，得到大信号，进一步包括：
对所述肺音的幅度谱或功率谱信号或者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；或者均值和方差，根据所述均值和标准差；或者均值和方差来设定每个频带的第一阈值；
将所述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。
9.如权利要求8所述的方法，其特征在于，所述根据均值和标准差；或者均值和方差设定每个频带的第一阈值进一步包括：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标准差或方差，所述a和b的数值选取采用固定方法或自适应方法；所述固定方法中，a和b的取值固定为常数；所述自适应方法中，根据所述每个频带的功率谱或幅度谱的均值和标准差；或者均值和方差的大小来自适应选取a和b。
10.如权利要求6所述的方法，其特征在于，所述对大信号进行分组，得到分组大信号进一步包括：
按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率、前一相邻时间后一相邻频率以及相同时间前一相邻频率的信号是否有分组，若没有分组，则将所述大信号分为一个新组，若至少有一个分组，则将所述大信号分为所述优先顺序最先的分组，得到第一次分组结果；
根据所述第一次分组结果，判断大信号的相同时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号的分组不变，若有分组，则将所述大信号分为所述分组，得到第二次分组结果；
根据所述第二次分组结果，按照优先顺序依次判断大信号的前一相邻时间前一相邻频率、前一相邻时间相同频率和前一相邻时间后一相邻频率的信号是否有分组，若没有分组，则所述大信号分组不变，若至少有一个分组，则将所述大信号以及与所述大信号相同分组的信号均分为所述优先顺序最先的分组，得到第三次分组结果；
根据所述第三次分组结果，对于时间间隔小于等于哈斯间隔的不同大信号分组，判断时间上前一个信号分组结束处的信号频率与时间上后一个信号分组的信号频率是否相同或者部分相同，若判断结果为是，则将所述前一个信号分组与后一个信号分组分为同组，得到分组大信号；其中，所述哈斯间隔为50ms。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510020834.3A CN104688264B (zh) | 2015-01-15 | 2015-01-15 | 喘鸣音检测装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510020834.3A CN104688264B (zh) | 2015-01-15 | 2015-01-15 | 喘鸣音检测装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104688264A CN104688264A (zh) | 2015-06-10 |
| CN104688264B true CN104688264B (zh) | 2017-05-31 |
Family
ID=53336130
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510020834.3A Expired - Fee Related CN104688264B (zh) | 2015-01-15 | 2015-01-15 | 喘鸣音检测装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104688264B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113205823A (zh) * | 2021-04-12 | 2021-08-03 | 广东技术师范大学 | 一种肺音信号端点检测方法、系统及存储介质 |
Citations (3)
| 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 |
| CN102782691A (zh) * | 2010-03-08 | 2012-11-14 | 皇家飞利浦电子股份有限公司 | 用于获得呼吸困难的客观度量的系统和方法 |
| WO2014205396A1 (en) * | 2013-06-20 | 2014-12-24 | Weitnauer Mary Ann | Systems and methods for estimating changes in inhalation-exhalation ratios using frequency harmonics |
-
2015
- 2015-01-15 CN CN201510020834.3A patent/CN104688264B/zh not_active Expired - Fee Related
Patent Citations (3)
| 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 |
| CN102782691A (zh) * | 2010-03-08 | 2012-11-14 | 皇家飞利浦电子股份有限公司 | 用于获得呼吸困难的客观度量的系统和方法 |
| WO2014205396A1 (en) * | 2013-06-20 | 2014-12-24 | Weitnauer Mary Ann | Systems and methods for estimating changes in inhalation-exhalation ratios using frequency harmonics |
Non-Patent Citations (3)
| Title |
|---|
| 喘鸣音的时频谱图特征提取与信号检测;李真真等;《信号处理》;20130430;第429-435页 * |
| 肺音信号分析及其识别方法的研究进展;姚小静等;《重庆理工大学学报(自然科学)》;20131231;第95-100页 * |
| 附加性呼吸音信号处理的研究进展;李真真等;《生物医学工程学杂志》;20131031;第1131-1135页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104688264A (zh) | 2015-06-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lin et al. | Automatic wheezing detection based on signal processing of spectrogram and back-propagation neural network | |
| US8641631B2 (en) | Non-invasive monitoring of respiratory rate, heart rate and apnea | |
| CN103153183B (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
| US6261238B1 (en) | Phonopneumograph system | |
| KR101619611B1 (ko) | 마이크로폰을 이용한 호흡률 추정 장치 및 기법 | |
| CN104739412B (zh) | 一种对睡眠呼吸暂停进行监测的方法和设备 | |
| CN108670200A (zh) | 一种基于深度学习的睡眠鼾声分类检测方法及系统 | |
| US11304662B2 (en) | Lung-sound signal processing method, processing device, and readable storage medium | |
| WO2019127558A1 (zh) | 基于脑电的麻醉深度监测方法和装置 | |
| Lin et al. | Wheeze recognition based on 2D bilateral filtering of spectrogram | |
| US20140330095A1 (en) | System and methods for estimating respiratory airflow | |
| CN105662454B (zh) | 一种罗音检测的方法和装置 | |
| US20150272474A1 (en) | Respiration rate determination in impedance pneumography | |
| WO2018107008A1 (en) | Non-invasive system and method for breath sound analysis | |
| Devuyst et al. | Automatic sleep spindle detection in patients with sleep disorders | |
| CN104688264B (zh) | 喘鸣音检测装置和方法 | |
| CN104605886B (zh) | 喘鸣音检测装置和方法 | |
| Corthout et al. | Automatic screening of obstructive sleep apnea from the ECG based on empirical mode decomposition and wavelet analysis | |
| Agarwal | Automatic detection of micro-arousals | |
| Bandyopadhyaya et al. | Automatic lung sound cycle extraction from single and multichannel acoustic recordings | |
| CN110491504A (zh) | 一种心音信号医学指标数据的获取方法 | |
| CN108742628A (zh) | 一种呼吸检测方法 | |
| CN114464200A (zh) | 基于耳机的肺功能检测方法、系统、设备及可读存储介质 | |
| Pham et al. | Automated quality control of forced oscillation measurements: respiratory artifact detection with advanced feature extraction | |
| Bandyopadhyaya et al. | A novel spectrogram based approach towards automatic lung sound cycle extraction |
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: 20170531 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |