CN108175436A - 一种肠鸣音智能自动识别方法 - Google Patents
一种肠鸣音智能自动识别方法 Download PDFInfo
- Publication number
- CN108175436A CN108175436A CN201711461490.5A CN201711461490A CN108175436A CN 108175436 A CN108175436 A CN 108175436A CN 201711461490 A CN201711461490 A CN 201711461490A CN 108175436 A CN108175436 A CN 108175436A
- Authority
- CN
- China
- Prior art keywords
- sound
- signal
- gurgling sound
- feature
- gurgling
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B7/00—Instruments for auscultation
- A61B7/02—Stethoscopes
- A61B7/04—Electric stethoscopes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4222—Evaluating particular parts, e.g. particular organs
- A61B5/4255—Intestines, colon or appendix
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Acoustics & Sound (AREA)
- Endocrinology (AREA)
- Gastroenterology & Hepatology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于梅尔频率倒谱系数和支持向量机(Support Vector Machine,简称SVM)分类器的肠鸣音识别方法,涉及生物医学的信号处理技术领域。本发明提出的方法步骤主要包括:一、采集肠鸣音样本和环境干扰音样本,提取梅尔频率倒谱系数(MFCCs)特征,添加标签,训练SVM分类器;二、采集患者的肠鸣音混合信号并转换为数字信号;三、对信号进行滤波;四、对信号进行梅尔频率倒谱分析,提取特征;五、利用SVM分类器检测信号的肠鸣音特征并输出相应结果;六、统计检测结果,识别肠鸣音的发生时刻并显示。本发明提出的方法可以代替医生对肠鸣音进行听诊,降低医生的工作强度,同时,本发明具有较高的准确性和稳定性以及良好的可移植性。
Description
技术领域
本发明涉及生物医学的信号处理技术领域,特别涉及一种肠鸣音智能自动识别方法。
背景技术
近年来,随着生活水平的不断提高,人们的饮食习惯和结构发生了巨大的变化,肠道疾病的发病率及死亡率呈逐年增长趋势,现已成为对人类健康的巨大威胁。因此,对肠道疾病的及时预防和诊治十分重要。肠鸣音反映了人体小肠的运动状态,是检测肠道疾病的一项重要指标,对肠鸣音的听诊是一种目前常用的诊断肠道疾病的手段。
肠鸣音是指肠蠕动时,肠管内气体和液体随之流动,产生的一种断续的咕噜声或气过水声。正常状态和病理状态下的肠鸣音具有明显不同的特征,如单位时间内的肠鸣音次数、响度等,据此可以为诊断提供重要信息。但是肠鸣音具有高度的随机性,同时混杂在心音、肺音、皮肤的摩擦声等杂音中,信噪比较低。目前,对于肠鸣音的听诊主要依靠医生通过听诊器完成,不仅要求医生必须具有丰富的经验,而且耗时耗力,也难免由于医生听诊疲劳等造成漏诊和误诊。
目前已存在一些关于肠鸣音识别方法的研究。专利“肠鸣音监测识别系统(201410559667)”中提出了一种将采集到的数字声学信号传输到数据处理中心,利用特征识别算法分析肠鸣音的方法;专利“嘈杂环境下的肠鸣音检测方法、装置及系统(201610686377)”中提出了一种基于卷积神经网络的肠鸣音检测方法;专利“一种面向肠鸣音信号监护系统的信号处理方法(201610371549)”提出了一种基于频谱模型和信号频谱相关系数检测的肠鸣音检测方法。但上述方法还存在实现过程复杂,空间复杂度高或需要后台服务端处理,灵活性低、时间消耗大等问题。
发明内容
发明目的:
本发明克服了现有技术中的缺点,提出了一种基于语音信号的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients,简称MFCCs)特征和支持向量机(SupportVector Machine,简称SVM)分类的肠鸣音智能自动识别方法,该方法可应用于可穿戴式肠鸣音检测设备中,具有智能、处理效率高、灵活性高等特点。
技术方案:
本发明提出了一种肠鸣音智能自动识别方法,包括以下步骤:
步骤一:利用传感器分别采集多组肠鸣音样本和环境干扰音样本,将样本转化为数字信号,对两种数字样本信号分别制作标签,对样本进行处理后提取特征,送入SVM分类器进行训练;
步骤二:利用传感器采集患者的肠鸣音混合信号并经过A/D转换得到数字信号。所述肠鸣音混合信号包括肠鸣音信号和环境干扰音信号;
步骤三:将转化得到的数字信号通过滤波器滤去部分环境干扰音;
步骤四:对滤波后的声音信号进行预处理和梅尔频率倒谱分析,提取特征;
步骤五:根据提取的声音特征,利用步骤一所述的SVM分类器实现对该段声音信号中肠鸣音特征的检测,根据是否检测到肠鸣音特征而输出不同的检测结果;
步骤六:对检测结果进行统计,依据统计结果识别肠鸣音是否发生以及发生的时刻并进行相应的显示;
步骤一所述SVM分类器的训练过程为:对肠鸣音和环境干扰音分别制作标签,对数字样本进行预处理和梅尔频率倒谱分析后提取梅尔频率倒谱系数,以梅尔频率倒谱系数作为特征,对SVM进行训练,得到可识别肠鸣音特征的SVM分类器。
步骤三所述滤波过程可以用一个带通滤波器实现,带通滤波器合适通频带范围约为 50~1500HZ,由于肠鸣音有效频率的主要分布在1500HZ以内,因此带通滤波可以保证在不影响检测效果的同时滤去部分干扰音信号。
步骤四所述的对声音信号的预处理,包括预加重、分帧和加窗,其中,窗函数可采用海明窗(Hamming)或汉宁(Hanning)窗;步骤四所述的经梅尔频率倒谱分析后提取到的特征,为声音信号的梅尔频率倒谱系数。
步骤五所述对肠鸣音特征的检测,是利用步骤一所述SVM分类器对每帧声音信号的梅尔频率倒谱系数特征进行检测,当声音信号的梅尔频率倒谱系数符合肠鸣音的特征时,即认为检测到了肠鸣音特征。每检测到一次肠鸣音,就在对应时刻输出结果“1”,否则输出“0”。
步骤六所述的对检测结果的统计过程为:当检测结果中连续出现的结果“1”不少于n个时,则认为对应时刻发生了肠鸣音,并可标记出肠鸣音发生的时间点。
该方法基于声音信号的梅尔倒谱系数特征和SVM分类器完成肠鸣音的在线识别,灵活性高,可植入可穿戴式的肠鸣音检测装置或设备中。
与现有技术相比,本发明的有益效果是:
1、代替医生完成肠鸣音听诊,降低了医生的工作强度;
2、本方法具有良好的移植性,用户可以根据需要移植到可穿戴式肠鸣音听诊设备或临床监护系统中;
3、依据本算法工作的听诊设备可以实时独立完成肠鸣音识别工作,无需依靠后台服务器完成数据处理,有较高的灵活性,识别过程自动化程度高;
4、本方法基于信号处理领域的梅尔倒谱系数和机器学习中的SVM分类器,实现相对简单,准确性高,对环境的适应性良好。
附图说明
图1为肠鸣音智能自动识别方法中的信号处理流程图
图2为训练SVM分类器的流程图
图3为提取声音信号的梅尔频率倒谱系数特征的流程图
图4为肠鸣音信号的识别和仿真输出结果示意图
具体实施方式
下面结合附图,对本方法的技术方案做进一步的说明,所述是对本发明的解释而不是限定。
本发明是一种基于语音信号处理中的常常使用的梅尔频率倒谱系数(MFCC)特征和机器学习领域中的支持向量机(SVM)分类的肠鸣音智能自动识别方法。本方法首先需要训练得到能够检测肠鸣音特征的SVM分类器,再对所采集患者的肠鸣音混合信号进行处理,提取梅尔频率倒谱系数特征,送入所述SVM进行检测,并统计检测结果,完成肠鸣音的识别。参见图 1,实现步骤具体描述如下:
(一)训练SVM模型。参见图2,首先利用传感器分别采集多组肠鸣音样本和环境干扰音样本,并将肠鸣音样本和环境干扰音样本均转化为数字信号。
首先,提取样本的特征。对样本进行预加重、分帧和加窗,并经梅尔频率倒谱分析后,提取特征向量的前13项,使用提升参数为不同项加权,得到梅尔频率倒谱系数特征;
其次,为样本设置标签。对肠鸣音信号和干扰音信号分别制作信号标签,对分帧后的每一帧信号进行判断,当当前信号帧中的信号为肠鸣音信号时,为信号帧设置肠鸣音标签;当当前帧信号为干扰音信号时,则为信号帧设置干扰音标签;
最后,将处理得到的梅尔频率倒谱系数特征和信号标签送入SVM进行训练,迭代至收敛,得到可检测一帧信号中是否存在肠鸣音特征的SVM分类器。
(二)采集患者的肠鸣音信号。利用传感器采集患者的肠鸣音混合信号,该传感器可置于可穿戴式的肠鸣音检测装置或听诊设备中,以便于实时监测患者的小肠活动。
经过A/D转换,将肠鸣音混合信号转换为数字信号。该数字信号包括肠鸣音信号和环境干扰音信号。
(三)将转化得到的数字信号通过带通滤波器滤去部分环境干扰音。肠鸣音的有效频率在1500HZ以内,所述带通滤波器的合适通频带范围约为50~1500HZ,保证在不影响检测效果的同时滤去部分干扰音信号。
(四)对滤波后的混合音信号进行预处理和梅尔频率倒谱分析,提取特征。参见图3,具体包括:
所述预处理,包括预加重、分帧和加窗。
肠鸣音信号在混合音信号中的频率较高,使用预加重可以在一定程度上补偿肠鸣音信号在传输过程中的损失。预加重的传递函数为:
H(z)=1-az-1
式中,a为预加重系数,取值范围通常在0.9~1.0之间。
所述分帧和加窗,是通过窗函数将一段声音信号分为多帧,每次采样只采集一帧信号,便于对信号进行后续处理。为了避免相邻两帧之间变化过大,在设置帧长Tw和帧移Ts时,应使相邻两帧有一定重叠部分。对于分帧后余下的不足一帧的部分补0,使其成为完整的一帧信号。则一段长度为T的混合音信号被划分的帧数N为:
式中,[·]表示取整运算。
所述加窗,可以采用海明(hamming)窗或汉宁(hanning)窗。
所述梅尔频率倒谱分析,是对预处理后的每一帧数字信号,分别应用快速傅里叶变换得到每一帧信号的频谱,再通过一组三角滤波器,将频谱映射为梅尔(Mel)频谱。对梅尔频谱取对数,再经过DCT离散余弦变换,得到混合音信号的梅尔频率倒谱向量。取梅尔频率倒谱向量的前13项,通过使用提升参数对各项加权,得到每一帧信号的梅尔频率倒谱系数,作为信号的特征。
(五)将提取的梅尔频率倒谱系数特征送入所述SVM分类器中进行检测。由于部分环境干扰音在某些极短时刻内也可能会产生类似肠鸣音的特征,如果通过检测肠鸣音的么梅尔频率倒谱系数特征而直接判断是否产生肠鸣音,可能会导致发生误诊。因此,本步骤中只检测肠鸣音特征,并根据检测结果在对应信号帧中置标志“1”或“0”并输出;
(六)统计肠鸣音特征检测后输出的结果并完成肠鸣音识别。接收检测后输出的结果,当接收的结果中连续出现n个“1”时,则认为该时间点出现了肠鸣音,并标记出肠鸣音发生的时间点,进行相应的显示。所述时间点为发生肠鸣音事件所在的信号帧。
一例对一段肠鸣音混合信号进行肠鸣音识别的仿真输出结果如图4所示。所述肠鸣音混合信号长度约为63.6s,采样频率3700HZ,信号帧长500ms,帧移100ms,窗函数采用海明窗,预加重系数0.97,梅尔滤波中使用的三角滤波器个数为20。在本实例中准确检测到了五个对应时间点的肠鸣音,并使用虚线标记在显示结果中。
需要指出的是,本发明中所有参数和方法不唯一,只要不脱离肠鸣音智能自动识别方法的理论方法,所有显而易见的改变以及具有等同替换的相似方法,均包含在本发明的保护范围之内。
Claims (7)
1.一种肠鸣音智能自动识别方法,其特征在于,包括以下步骤:
步骤一:利用传感器分别采集多组肠鸣音样本和环境干扰音样本,将样本转化为数字信号,对两种数字样本信号分别制作标签,对样本进行处理后提取特征,送入SVM分类器进行训练;
步骤二:利用传感器采集患者的肠鸣音混合信号并经过A/D转换得到数字信号,所述肠鸣音混合信号包括肠鸣音信号和环境干扰音信号;
步骤三:将转化得到的数字信号通过滤波器滤去部分环境干扰音;
步骤四:对滤波后的声音信号进行预处理和梅尔频率倒谱分析,提取特征;
步骤五:根据提取的声音特征,利用步骤一所述的SVM分类器实现对该段声音信号中肠鸣音特征的检测,根据是否检测到肠鸣音特征而输出不同的检测结果;
步骤六:对检测结果进行统计,依据统计结果识别肠鸣音是否发生以及发生的时刻并进行相应的显示。
2.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,步骤一所述SVM分类器的训练过程为:对肠鸣音和环境干扰音分别制作标签,对数字样本进行预处理和梅尔频率倒谱分析后提取梅尔频率倒谱系数,以梅尔频率倒谱系数作为特征,对SVM进行训练,得到可识别肠鸣音特征的SVM分类器。
3.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,步骤三所述滤波过程可以用一个带通滤波器实现,带通滤波器合适通频带范围约为50~1500HZ,由于肠鸣音有效频率的主要分布在1500HZ以内,因此带通滤波可以保证在不影响检测效果的同时滤去部分干扰音信号。
4.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,步骤四所述的对声音信号的预处理,包括预加重、分帧和加窗,其中,窗函数可采用海明窗(Hamming)或汉宁(Hanning)窗;步骤四所述的经梅尔频率倒谱分析后提取到的特征,为声音信号的梅尔频率倒谱系数。
5.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,步骤五所述对肠鸣音特征的检测,是利用步骤一所述SVM分类器对每帧声音信号的梅尔频率倒谱系数特征进行检测,当声音信号的梅尔频率倒谱系数符合肠鸣音的特征时,即认为检测到了肠鸣音特征,每检测到一次肠鸣音,就在对应时刻输出结果“1”,否则输出“0”。
6.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,步骤六所述的对检测结果的统计过程为:当检测结果中连续出现的结果“1”不少于n个时,则认为对应时刻发生了肠鸣音,并可标记出肠鸣音发生的时间点。
7.根据权利要求1所述的肠鸣音智能自动识别方法,其特征在于,该方法基于声音信号的梅尔频率倒谱系数特征和SVM分类器完成肠鸣音的在线识别,可植入可穿戴式的肠鸣音检测装置或设备中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711461490.5A CN108175436A (zh) | 2017-12-28 | 2017-12-28 | 一种肠鸣音智能自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711461490.5A CN108175436A (zh) | 2017-12-28 | 2017-12-28 | 一种肠鸣音智能自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108175436A true CN108175436A (zh) | 2018-06-19 |
Family
ID=62548449
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711461490.5A Pending CN108175436A (zh) | 2017-12-28 | 2017-12-28 | 一种肠鸣音智能自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108175436A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109620154A (zh) * | 2018-12-21 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于深度学习的肠鸣音识别方法及相关装置 |
CN110141266A (zh) * | 2019-05-07 | 2019-08-20 | 南京大学 | 一种可穿戴体音捕获技术的肠鸣音检测方法 |
CN110432924A (zh) * | 2019-08-06 | 2019-11-12 | 杭州智团信息技术有限公司 | 肠鸣音检测装置、方法和电子设备 |
WO2020151169A1 (zh) * | 2019-01-23 | 2020-07-30 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的摩擦音干扰自动消除方法 |
CN112690823A (zh) * | 2020-12-22 | 2021-04-23 | 海南力维科贸有限公司 | 一种识别肺部生理声音的方法以及系统 |
CN113905662A (zh) * | 2019-04-05 | 2022-01-07 | 高丽大学校产学协力团 | 消化道扫描设备、身体扫描设备、身体扫描方法和声学消化器官监测系统 |
CN114515137A (zh) * | 2020-11-19 | 2022-05-20 | 纬创资通股份有限公司 | 生理病征识别方法及生理病征感测系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1591574A (zh) * | 2003-08-25 | 2005-03-09 | 微软公司 | 使用基于谐波模型的前端用于健壮语音识别的方法和装置 |
CN101222703A (zh) * | 2007-01-12 | 2008-07-16 | 杭州波导软件有限公司 | 一种基于语音辨识的移动终端的身份验证方法 |
CN102290048A (zh) * | 2011-09-05 | 2011-12-21 | 南京大学 | 一种基于mfcc远距离差值的鲁棒语音识别方法 |
CN102473412A (zh) * | 2009-07-21 | 2012-05-23 | 日本电信电话株式会社 | 语音信号区间估计装置与语音信号区间估计方法及其程序与记录介质 |
CN104305961A (zh) * | 2014-10-20 | 2015-01-28 | 清华大学 | 肠鸣音监测识别系统 |
US9402596B1 (en) * | 2015-01-09 | 2016-08-02 | Chimei Medical Center | Bowel sound analysis method and system |
CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
CN106328150A (zh) * | 2016-08-18 | 2017-01-11 | 北京易迈医疗科技有限公司 | 嘈杂环境下的肠鸣音检测方法、装置及系统 |
CN106847293A (zh) * | 2017-01-19 | 2017-06-13 | 内蒙古农业大学 | 设施养殖羊应激行为的声信号监测方法 |
CN107293301A (zh) * | 2017-05-27 | 2017-10-24 | 深圳大学 | 基于牙齿咬合声音的识别方法及系统 |
-
2017
- 2017-12-28 CN CN201711461490.5A patent/CN108175436A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1591574A (zh) * | 2003-08-25 | 2005-03-09 | 微软公司 | 使用基于谐波模型的前端用于健壮语音识别的方法和装置 |
CN101222703A (zh) * | 2007-01-12 | 2008-07-16 | 杭州波导软件有限公司 | 一种基于语音辨识的移动终端的身份验证方法 |
CN102473412A (zh) * | 2009-07-21 | 2012-05-23 | 日本电信电话株式会社 | 语音信号区间估计装置与语音信号区间估计方法及其程序与记录介质 |
CN102290048A (zh) * | 2011-09-05 | 2011-12-21 | 南京大学 | 一种基于mfcc远距离差值的鲁棒语音识别方法 |
CN104305961A (zh) * | 2014-10-20 | 2015-01-28 | 清华大学 | 肠鸣音监测识别系统 |
US9402596B1 (en) * | 2015-01-09 | 2016-08-02 | Chimei Medical Center | Bowel sound analysis method and system |
CN106021948A (zh) * | 2016-05-30 | 2016-10-12 | 清华大学 | 一种面向肠鸣音信号监护系统的信号处理方法 |
CN106328150A (zh) * | 2016-08-18 | 2017-01-11 | 北京易迈医疗科技有限公司 | 嘈杂环境下的肠鸣音检测方法、装置及系统 |
CN106847293A (zh) * | 2017-01-19 | 2017-06-13 | 内蒙古农业大学 | 设施养殖羊应激行为的声信号监测方法 |
CN107293301A (zh) * | 2017-05-27 | 2017-10-24 | 深圳大学 | 基于牙齿咬合声音的识别方法及系统 |
Non-Patent Citations (1)
Title |
---|
张和华,王希龙: "肠鸣音的检测分析及其应用进展", 《生物医学工程学杂志》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109620154A (zh) * | 2018-12-21 | 2019-04-16 | 平安科技(深圳)有限公司 | 基于深度学习的肠鸣音识别方法及相关装置 |
WO2020151169A1 (zh) * | 2019-01-23 | 2020-07-30 | 苏州美糯爱医疗科技有限公司 | 一种电子听诊器的摩擦音干扰自动消除方法 |
CN113905662A (zh) * | 2019-04-05 | 2022-01-07 | 高丽大学校产学协力团 | 消化道扫描设备、身体扫描设备、身体扫描方法和声学消化器官监测系统 |
CN110141266A (zh) * | 2019-05-07 | 2019-08-20 | 南京大学 | 一种可穿戴体音捕获技术的肠鸣音检测方法 |
CN110141266B (zh) * | 2019-05-07 | 2021-04-27 | 南京大学 | 一种可穿戴体音捕获技术的肠鸣音检测方法 |
CN110432924A (zh) * | 2019-08-06 | 2019-11-12 | 杭州智团信息技术有限公司 | 肠鸣音检测装置、方法和电子设备 |
CN110432924B (zh) * | 2019-08-06 | 2021-10-22 | 杭州智团信息技术有限公司 | 肠鸣音检测装置、方法和电子设备 |
CN114515137A (zh) * | 2020-11-19 | 2022-05-20 | 纬创资通股份有限公司 | 生理病征识别方法及生理病征感测系统 |
CN114515137B (zh) * | 2020-11-19 | 2024-04-19 | 纬创资通股份有限公司 | 肠胃病征识别方法及肠胃病征感测系统 |
CN112690823A (zh) * | 2020-12-22 | 2021-04-23 | 海南力维科贸有限公司 | 一种识别肺部生理声音的方法以及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108175436A (zh) | 一种肠鸣音智能自动识别方法 | |
CN109961017A (zh) | 一种基于卷积循环神经网络的心音信号分类方法 | |
CN108647565B (zh) | 一种基于深度学习模型对心电信号分类的数据预处理方法 | |
CN105841961A (zh) | 一种基于Morlet小波变换和卷积神经网络的轴承故障诊断方法 | |
CN101732050B (zh) | 一种基于光电容积波的呼吸率监测方法 | |
CN109243470A (zh) | 基于音频技术的肉鸡咳嗽监测方法 | |
JP2007515977A5 (zh) | ||
CN110353725A (zh) | 一种基于云架构的心音采集与分析系统及方法 | |
CN107799114A (zh) | 一种猪只咳嗽声音识别方法及系统 | |
CN110598676B (zh) | 基于置信度得分模型的深度学习手势肌电信号识别方法 | |
CN107736894A (zh) | 一种基于深度学习的心电信号情绪识别方法 | |
CN108549875B (zh) | 一种基于深度通道注意力感知的脑电癫痫发作检测方法 | |
CN105448291A (zh) | 基于语音的帕金森症检测方法及检测系统 | |
Zhang et al. | The detection of crackles based on mathematical morphology in spectrogram analysis | |
CN108567418A (zh) | 一种基于PCANet的脉搏信号亚健康检测方法及检测系统 | |
CN108888259A (zh) | 一种心电信号实时qrs波检测方法 | |
CN104545950A (zh) | 非接触式测谎方法及其测谎系统 | |
CN109272986A (zh) | 一种基于人工神经网络的狗声音情感分类方法 | |
CN103258545A (zh) | 一种病理嗓音细分方法 | |
CN209032422U (zh) | 一种心音信号检测设备 | |
Li et al. | Computerized wrist pulse signal diagnosis using gradient boosting decision tree | |
Wang et al. | Detection of the first and second heart sound using heart sound energy | |
AU2020102150A4 (en) | An artificial intelligence based system for emotional recognition | |
CN208677390U (zh) | 一种脑电波获取仪 | |
CN201683910U (zh) | 智能心肺分析仪 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180619 |
|
RJ01 | Rejection of invention patent application after publication |