CN108962389A - 用于风险提示的方法及系统 - Google Patents

用于风险提示的方法及系统 Download PDF

Info

Publication number
CN108962389A
CN108962389A CN201810645145.5A CN201810645145A CN108962389A CN 108962389 A CN108962389 A CN 108962389A CN 201810645145 A CN201810645145 A CN 201810645145A CN 108962389 A CN108962389 A CN 108962389A
Authority
CN
China
Prior art keywords
lung sounds
lungs sound
sound
user
lung
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
Application number
CN201810645145.5A
Other languages
English (en)
Inventor
万小红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Zhangmen Science and Technology Co Ltd
Original Assignee
Shanghai Zhangmen Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Zhangmen Science and Technology Co Ltd filed Critical Shanghai Zhangmen Science and Technology Co Ltd
Priority to CN201810645145.5A priority Critical patent/CN108962389A/zh
Publication of CN108962389A publication Critical patent/CN108962389A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Pathology (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本申请提供了一种用于风险提示的方法及系统,能够获取用户肺音对应的肺音信号,再进一步将该肺音信号与样本肺音信号进行匹配,获取匹配数据,再根据匹配数据确定用户肺音的肺音状态信息,最后根据肺音状态信息生成相应的风险提示信息,并发送到用户设备对用户进行提醒,从而能够简单、方便地在家庭环境中对用户的健康状况进行监测,在监测肺音异常时及时进行提醒,避免在肺炎或感冒症状轻微时的忽视造成病情的加重,改善了对用户的监护效果,降低了疾病严重的可能性,提高了医疗的效率。

Description

用于风险提示的方法及系统
技术领域
本申请涉及智能健康领域,尤其涉及一种用于风险提示的方法及系统。
背景技术
当前,肺炎和感冒是对幼儿健康的重大威胁,幼儿由于生理机能较弱,患病后病情发展快速,监护不当会造成严重的后果。在幼儿日常的家庭监护中,很多监护人不具备专业的幼儿健康监护能力,往往在幼儿疾病的症状轻微的时候未及时关注并就医,从而造成病情的加重。因此,需要在家庭监护中提供一种能方便地对幼儿肺炎或感冒进行监测的工具,在存在患病风险的时候提醒监护人要及时送医。
申请内容
本申请的一个目的是提供一种用于风险提示的方法及系统。
为实现上述目的,本申请的一些实施例提供了一种在服务器端用于风险提示的方法,其中,该方法包括:
接收听诊系统发送的肺音信号;
将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号;
根据所述匹配数据,确定用户肺音的肺音状态信息;
根据所述肺音状态信息生成相应风险提示信息。
本申请的一些实施例还提供了一种在听诊系统端用于风险提示的方法,其中,该方法包括:
获取用户肺音对应的模拟信号;
将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;
将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
本申请的一些实施例还提供了一种用于风险提示的服务器,该服务器包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,使该服务器执行前述在服务器端用于风险提示的方法。
本申请的一些实施例还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现前述在服务器端用于风险提示的方法。
本申请的一些实施例还提供了一种用于风险提示的听诊系统,其中,该系统包括:
拾音设备,用于获取用户肺音对应的模拟信号;
处理设备,用于将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;
发送设备,用于将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
本申请的一些实施例还提供了一种用于风险提示的系统,其中,该系统包括:
听诊系统,用于获取用户肺音对应的模拟信号,并将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号,再将所述肺音信号发送至服务器;
服务器,用于接收听诊系统发送的肺音信号,并将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息;
用户设备,用于接收服务器发送的相应风险提示信息并进行展示。
与现有技术相比,本申请提供的方案能够获取用户肺音对应的肺音信号,再进一步将该肺音信号与样本肺音信号进行匹配,获取匹配数据,再根据匹配数据确定用户肺音的肺音状态信息,最后根据肺音状态信息生成相应的风险提示信息,并发送到用户设备对用户进行提醒,从而能够简单、方便地在家庭环境中对用户的健康状况进行监测,在监测肺音异常时及时进行提醒,避免在肺炎或感冒症状轻微时的忽视造成病情的加重,改善了对用户的监护效果,降低了疾病严重的可能性,提高了医疗的效率。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为本申请实施例提供的一种在服务器端用于风险提示的方法的流程图;
图2为本申请实施例提供的一种用于风险提示的听诊系统的结构示意图。
附图标记说明:1、听诊系统,11、拾音设备,12、处理设备,13、发送设备。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在本申请一个典型的配置中,终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
本申请的一些实施例提供了一种在服务器端用于风险提示的方法,如图1所示,该方法包括如下步骤:
步骤S101,接收听诊系统发送的肺音信号;
步骤S102,将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号;
步骤S103,根据所述匹配数据,确定用户肺音的肺音状态信息;
步骤S104,根据所述肺音状态信息生成相应风险提示信息。
该方案尤其适合用于希望在家庭环境中对用户的肺音进行监测的场景,能够获取用户肺音对应的肺音信号,进一步将该肺音信号与样本肺音信号进行匹配,获取匹配数据,再根据匹配数据确定用户肺音的肺音状态信息,再根据肺音状态信息生成相应的风险提示信息,最后将风险提示信息发送给用户进行提醒。
在步骤S101中,首先接收听诊系统发送的肺音信号。在此,服务器可包括但不限于服务器、移动终端、便携电脑、平板电脑等设备,这些设备包含网络传输装置,可接收并处理听诊系统发送的肺音信号。听诊系统发送的肺音信号是经过滤波后的用户肺音对应的数字信号,听诊系统首先获取用户肺音对应的模拟信号,再将模拟信号转换为数字信号并进行滤波,将滤波后的数字信号发送给服务器。
在步骤S102中,将所述肺音信号与样本肺音信号进行匹配,获取匹配数据。在此,样本肺音信号可包括但不限于样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,具体针对幼儿来说,样本肺音信号可包括但不限于幼儿正常的肺音信号、患有肺炎的幼儿的肺音信号和患有感冒的幼儿的肺音信号。幼儿正常的肺音信号指的是身体健康、未患任何疾病的幼儿的肺音信号。由于幼儿之间存在个体差异或患病程度的不同,即使是身体健康或患有同种疾病的幼儿的肺音也不会完全一样,因此为了提高肺音匹配的准确性,可预先收集大量幼儿的肺音信号,包括身体健康的幼儿肺音信号、患有肺炎的幼儿肺音信号、患有感冒的幼儿肺音信号等。在此,可对收集的幼儿肺音信号按照性别和/或年龄阶段进行划分,在进行肺音信号的匹配时,将听诊对象的肺音信号与对应性别和/或年龄阶段的幼儿的样本肺音信号进行匹配,得到的匹配结果会更加准确。
本申请的一些实施例中,要将肺音信号与样本肺音信号进行匹配,可先对肺音信号的声音特征进行提取,获取肺音信号的声音特征,类似地,样本肺音信号也可先对声音特征进行提取,得到样本肺音信号的声音特征,再将肺音信号的声音特征与样本肺音信号的声音特征进行匹配,得到肺音信号的声音特征与样本肺音信号的声音特征的匹配数据。
在此,肺音信号的声音特征可用特征向量来表示,该特征向量一般可分为两类,第一类为时域特征向量,是将每帧肺音信号的各个时域进行采样获得的特征向量;第二类为变化域特征向量,是通过将每帧肺音信号进行某种变换后得到的特征向量。时域特征向量的优点在于计算简单,缺点在于不能压缩维数且不适于表征幅度谱特性。变换域特征向量的计算比较复杂,但能从不同的角度反映幅度谱的特征。
本申请的一些实施例中,要提取肺音信号的声音特征,可先对肺音信号进行预处理,得到预处理后的肺音信号,再使用声音信号特征提取算法对预处理后的肺音信号进行特征提取,得到肺音信号的声音特征。在此,对肺音信号进行预处理可包括多种操作,例如对肺音信号进行分帧、加窗和端点检测等。由于肺音信号是非线性时变信号,但是也同时具有短时平稳的特点,因此对肺音信号进行分帧可以提取其短时特性。为了避免帧与帧之间的特性变化太大,所以帧移一般取帧长的1/3或1/2,一般取帧长为10~30ms。
另外,为了进行短时分析需要加窗,理论上应使用两端具有平滑过渡特性的窗口,目的就是为了减少帧起始和结束处的信号不连续性。常用的窗函数有方窗(RectangularWindow)、哈明窗(Hamming Window)和哈宁窗(Hann Window),本申请的一些实施例中,采用哈明窗作为窗函数进行加窗。
端点检测用于在实时获取的肺音信号中区分背景噪声和环境噪声,准确判断出声音信号的开始点和结束点。本申请的一些实施例中,端点检测的实现方法可包括但不限于如下算法:双门限法、自相关法、谱熵法和比例法等。双门限法由语音能量和过零率组合实现,语音能量检测能较好地区分出浊音和静音,过零率检测可用于区分静音和清音,将两种检测进行结合,就可以检测出肺音段(包括清音与浊音)与静音段,从而识别出肺音信号的端点。自相关法可根据噪音的情况,设置两个阈值T1和T2,在相关函数最大值大于T2时,判定为肺音;当相关函数最大值大于或小于T1时,判定为肺音信号的端点。谱熵法是通过检测谱的平坦程度来判断肺音端点的,判断根据在于肺音的熵与噪音的熵存在较大差异,肺音信号的谱熵值一般都低于噪声的谱熵值。比例法通过使用肺音能量值与过零率值的比值来进行肺音端点的检测。
对肺音信号进行预处理后,可采用声音信号特征提取算法对预处理后的肺音信号进行特征提取。在此,对肺音信号进行特征提取是指从肺音信号中提取出对肺音匹配有用的信息,特征提取对肺音信号进行分析处理,去掉与肺音匹配无关的冗余信息,获得影响肺音匹配的重要信息。本申请的一些实施例中,可通过线性预测分析方法来获取肺音信号的特征。肺音信号的线性预测的基本思想是:肺音信号的每个取样值,可以用它过去的若干个取样值的加权和(线性组合)来表示,各加权系数的确定原则是使预测误差的均方值最小。
线性预测分析法(LPC)的优点包括:(1)有效地解决了短时平稳信号的模型化问题,可把肺音信号看成是由全极点模型产生的;(2)能很好地逼近共振峰,提供谱估计;(3)提供的肺音信号模型参数(如基音、共振峰、谱、声道面积函数等)简洁而准确,计算量较小,便于实时处理;(4)可用于低数率传输的环境;(5)将LPC参数形成的模型参数储存起来,能提高识别率和减少识别时间。
本申请的一些实施例中,可以采用线性预测倒谱系数方法(LPCC)来提取肺音信号的声音特征,该方法得到的倒谱系数不是由原始的肺音信号得到,而是由LPC系数得到,可通过LPC系数直接递推得到。通过计算两个LPCC系数之间的欧式距离,能正确地表征这两帧肺音短时幅度谱之间的差异。
本申请的另外一些实施例中,还可以采用Mel频率倒谱系数方法(MFCC)来提取肺音信号的声音特征,MFCC是利用音调特性进行特征提取的方法,即用MEL刻度对频率轴进行弯折,Mel规定为音调的单位,在声音强度不变的前提下可以对不同频率的声音进行音调判断,并得到音调和频率间的关系。
类似地,样本肺音信号也可进行肺音信号的声音特征提取,获得样本肺音信号的声音特征,例如正常肺音信号的声音特征、肺炎肺音信号的声音特征和感冒肺音信号的声音特征等,将这些声音特征保存下来,供肺音信号匹配时使用。在此,服务器端保存的样本肺音信号的声音特征,可采用数据库形式保存,也可采用文件形式进行保存。将肺音信号发送到服务器端进行匹配,可充分利用服务器端较大的存储空间保存更多的样本肺音信号,使得肺音信号匹配的准确性更高,更强的服务器端处理性能也使得肺音信号匹配的速度更快。
本申请的一些实施例中,得到的肺音信号的声音特征与样本肺音信号的声音特征都表现为特征矢量,声音特征的匹配就是特征矢量的匹配,也可表现为波形的匹配,可采用动态时间规整算法(Dynamic Time Warping,DTW)来计算两矢量的距离来寻找最优的匹配路径,从而保证两者间存在的最大声学相似度。
肺音信号是具有相当大随机性的信号,也不可能具有完全相同的时间长度,因此在与已存储的样本信号的声音特征相匹配时,肺音信号的声音特征的时间轴要不均匀地扭曲或弯折,以使其特征与样本信号的声音特征对正。用时间规整手段对正是一种非常有力的措施,对提高匹配的精度非常有效。
DTW算法是一种衡量两个时间序列之间的相似度的方法,度量的特征量是两个序列之间的最短距离。DTW通过把时间序列进行延伸和缩短,确定两个时间序列之间相似的点,再使用所有这些相似点之间的距离的和(即归整路径距离)来衡量两个时间序列之间的相似性,最后得到的归整路径距离再使用动态规划来进行求解,得到相似度。
本申请的一些实施例中,肺音信号与样本肺音信号的匹配数据可以用0~1之间的数值来表示,越接近0,说明匹配的相似度越低,越接近1,说明匹配的相似度越高。优选地,样本肺音信号可包括正常肺音信号、肺炎肺音信号和感冒肺音信号,因此,肺音信号与这三种样本肺音信号进行匹配后,可得到三种匹配数据:肺音信号与正常肺音信号的匹配数据、肺音信号与感冒肺音信号的匹配数据、肺音信号与肺炎肺音信号的匹配数据。
在步骤S103中,根据所述匹配数据,确定用户肺音的肺音状态信息。具体地,是根据肺音信号与正常肺音信号的匹配数据、肺音信号与感冒肺音信号的匹配数据、肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息。
在此,这三种匹配数据存在多种不同的组合,不同的组合能够确定的肺音状态信息也不相同,具体来说,通过匹配数据的组合确定肺音状态信息可包括如下几种情况:
1)若肺音信号与正常肺音信号的匹配数据大于第一阈值,肺音信号与感冒肺音信号的匹配数据小于第三阈值,且肺音信号与肺炎肺音信号的匹配数据小于第五阈值,则确定用户肺音的肺音状态为正常肺音。
这里,第一阈值为接近1的数值,可根据实际情况进行设置,例如为0.8,第三阈值和第五阈值为接近0的数值,也可根据实际情况进行设置,例如第三阈值为0.3,第五阈值为0.3。例如,肺音信号的三种匹配数据分别为0.9、0.2、0.2,这种情况表明当前获得的肺音信号与正常肺音信号的匹配相似度很高,用户肺音的肺音状态位于正常范围内。
2)若肺音信号与正常肺音信号的匹配数据小于第二阈值,肺音信号与感冒肺音信号的匹配数据大于第四阈值,且肺音信号与肺炎肺音信号的匹配数据小于第五阈值,则确定用户肺音的肺音状态为感冒肺音。
这里,第二阈值为接近0的数值,可根据实际情况进行设置,例如为0.3;第四阈值为接近1的数值,第五阈值为接近0的数值,也可根据实际情况进行设置,例如第四阈值为0.8,第五阈值为0.3。例如,肺音信号的三种匹配数据分别为0.2、0.9、0.2,这种情况表明当前获得的肺音信号与感冒肺音信号的匹配相似度很高,因此将用户肺音的肺音状态确定为感冒肺音。
3)若肺音信号与正常肺音信号的匹配数据小于第二阈值,肺音信号与感冒肺音信号的匹配数据小于第三阈值,且肺音信号与肺炎肺音信号的匹配数据大于第六阈值,则确定用户肺音的肺音状态为肺炎肺音。
这里,第二阈值和第三阈值为接近0的数值,可根据实际情况进行设置,例如第二阈值为0.3,第三阈值为0.3;第六阈值为接近1的数值,也可根据实际情况进行设置,例如第六阈值为0.8。例如,肺音信号的三种匹配数据分别为0.2、0.2、0.9,这种情况表明当前获得的肺音信号与肺炎肺音信号的匹配相似度很高,因此将用户肺音的肺音状态确定为肺炎肺音。
4)若肺音信号与正常肺音信号的匹配数据小于第二阈值,肺音信号与感冒肺音信号的匹配数据小于第三阈值,且肺音信号与感冒肺音信号的匹配数据大于在先获取的肺音信号与感冒肺音信号的匹配数据,则确定用户肺音的肺音状态为感冒肺音。
这里,第二阈值和第三阈值为接近0的数值,可根据实际情况进行设置,例如第二阈值为0.3,第三阈值为0.3。例如,第一次获取的肺音信号的三种匹配数据分别为0.2、0.1、0.2,经过一段时间后,第二次获取的肺音信号的三种匹配数据分别为0.2、0.2、0.2,这种情况表明肺音信号与感冒肺音信号的匹配相似度在逐步升高,因此将用户肺音的肺音状态确定为感冒肺音。
5)若肺音信号与正常肺音信号的匹配数据小于第二阈值,肺音信号与肺炎肺音信号的匹配数据小于第五阈值,且肺音信号与肺炎肺音信号的匹配数据大于在先获取的肺音信号与肺炎肺音信号的匹配数据,则确定用户肺音的肺音状态为肺炎肺音。
这里,第二阈值和第五阈值为接近0的数值,可根据实际情况进行设置,例如第二阈值为0.3,第五阈值为0.3。例如,第一次获取的肺音信号的三种匹配数据分别为0.2、0.2、0.1,经过一段时间后,第二次获取的肺音信号的三种匹配数据分别为0.2、0.2、0.2,这种情况表明肺音信号与肺炎肺音信号的匹配相似度在逐步升高,因此将用户肺音的肺音状态确定为肺炎肺音。
在步骤S104中,根据所述肺音状态信息生成相应风险提示信息,在此,由于用户肺音的肺音状态可能为正常肺音、感冒肺音、肺炎肺音等几种,因此相应的风险提示信息也包括上面几种,例如,在用户肺音的肺音状态为正常肺音时,相应的风险提示信息可为“当前肺音状态正常,请保持关注”;在用户肺音的肺音状态为肺炎肺音时,相应的风险提示信息可为“用户可能患上肺炎,请及时送医,避免病情加重”。
本申请的一些实施例中,在生成风险提示信息之后,服务器可将风险提示信息发送到用户设备上对用户进行提醒,用户设备可包括但不限于移动终端、IPAD、笔记本电脑、平板电脑等设备。
本申请的一些实施例还提供了一种用于风险提示的听诊系统,如图2所示,该听诊系统1包括拾音设备11、处理设备12和发送设备13,拾音设备11用于获取用户肺音对应的模拟信号;处理设备12用于将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;发送设备13用于将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
在此,用户肺音可为幼儿的肺音,幼儿由于身体机能不完全,患上肺炎或感冒后病情发展快速,对幼儿肺音进行监测的意义更加重大,对及时发现幼儿疾病也更加有效。
拾音设备11用于获取用户肺音对应的模拟信号,在此,拾音设备类似传统听诊器的听诊头,将拾音设备贴近用户身体上能获取肺音的适当位置,通过用户身体相应位置的震动即可获得肺音的模拟信号。
处理设备12用于将拾音设备11获取的用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号,具体地,处理设备12可包括A/D转换电路、放大电路和滤波电路,用户肺音对应的模拟信号通过处理设备12的多个电路后,得到的肺音信号即为滤波后的用户肺音对应的数字信号,可在电路中传输。
具体来说,发送设备13可以为实现无线网络传输的模块,如wifi传输模块、蓝牙传输模块等。
通常来说,使用该听诊系统的用户是幼儿的监护人,被获取肺音的用户即听诊对象是幼儿,幼儿的肺音通过听诊系统获取并发送到服务器进行相应的处理与匹配后,将得到的风险提示信息发送给幼儿的监护人,让监护人得知幼儿当前的肺音状态,再决定是否需要送医。
本申请的一些实施例还提供了一种在听诊系统端用于风险提示的方法,其中,该方法包括:获取用户肺音对应的模拟信号;将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
本申请的一些实施例还提供了一种用于风险提示的服务器,该服务器包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,使该服务器执行前述在服务器端用于风险提示的方法。
本申请的一些实施例还提供了一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现前述在服务器端用于风险提示的方法。
本申请的一些实施例还提供了一种用于风险提示的系统,其中,该系统包括听诊系统、服务器和用户设备。听诊系统用于获取用户肺音对应的模拟信号,并将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号,再将所述肺音信号发送至服务器。服务器用于接收听诊系统发送的肺音信号,并将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。用户设备用于接收服务器发送的相应风险提示信息并进行展示。
综上所述,本申请提供的方案能够获取用户肺音对应的肺音信号,再进一步将该肺音信号与样本肺音信号进行匹配,获取匹配数据,再根据匹配数据确定用户肺音的肺音状态信息,最后根据肺音状态信息生成相应的风险提示信息,并发送到用户设备对用户进行提醒,从而能够简单、方便地在家庭环境中对用户的健康状况进行监测,在监测肺音异常时及时进行提醒,避免在肺炎或感冒症状轻微时的忽视造成病情的加重,改善了对用户的监护效果,降低了疾病严重的可能性,提高了医疗的效率
需要注意的是,本申请可在软件和/或软件与硬件的组合体中被实施,例如,可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中,本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地,本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中,例如,RAM存储器,磁或光驱动器或软磁盘及类似设备。另外,本申请的一些步骤或功能可采用硬件来实现,例如,作为与处理器配合从而执行各个步骤或功能的电路。
另外,本申请的一部分可被应用为计算机程序产品,例如计算机程序指令,当其被计算机执行时,通过该计算机的操作,可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令,可能被存储在固定的或可移动的记录介质中,和/或通过广播或其他信号承载媒体中的数据流而被传输,和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此,根据本申请的一个实施例包括一个装置,该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。

Claims (16)

1.一种在服务器端用于风险提示的方法,其中,该方法包括:
接收听诊系统发送的肺音信号;
将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号;
根据所述匹配数据,确定用户肺音的肺音状态信息;
根据所述肺音状态信息生成相应风险提示信息。
2.根据权利要求1所述的方法,其中,生成相应风险提示信息之后,还包括:
向用户设备发送相应风险提示信息。
3.根据权利要求1所述的方法,其中,将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,包括:
对肺音信号进行特征提取,获取肺音信号的声音特征;
将肺音信号的声音特征与样本肺音信号的声音特征进行匹配,获取匹配数据。
4.根据权利要求3所述的方法,其中,对肺音信号进行特征提取,获取肺音信号的声音特征,包括:
对肺音信号进行预处理,获取预处理后的肺音信号,所述预处理包括对肺音信号的分帧、加窗和端点检测;
根据肺音信号特征提取算法对所述预处理后的肺音信号进行特征提取,获取肺音信号的声音特征。
5.根据权利要求1所述的方法,其中,根据所述匹配数据,确定用户肺音的肺音状态信息,包括:
根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息。
6.根据权利要求5所述的方法,其中,根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息,包括:
若所述肺音信号与正常肺音信号的匹配数据大于第一阈值,所述肺音信号与感冒肺音信号的匹配数据小于第三阈值,且所述肺音信号与肺炎肺音信号的匹配数据小于第五阈值,确定用户肺音的肺音状态为正常肺音。
7.根据权利要求5所述的方法,其中,根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息,包括:
若所述肺音信号与正常肺音信号的匹配相似度小于第二阈值,所述肺音信号与感冒肺音信号的匹配相似度大于第四阈值,且所述肺音信号与肺炎肺音信号的匹配相似度小于第五阈值,确定用户肺音的肺音状态为感冒肺音。
8.根据权利要求5所述的方法,其中,根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息,包括:
若所述肺音信号与正常肺音信号的匹配相似度小于第二阈值,所述肺音信号与感冒肺音信号的匹配相似度小于第三阈值,且所述肺音信号与肺炎肺音信号的匹配相似度大于第六阈值,确定用户肺音的肺音状态为肺炎肺音。
9.根据权利要求5所述的方法,其中,根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息,包括:
若所述肺音信号与正常肺音信号的匹配相似度小于第二阈值,所述肺音信号与感冒肺音信号的匹配相似度小于第三阈值,且所述肺音信号与感冒肺音信号的匹配相似度大于在先获取的所述肺音信号与感冒肺音信号的匹配相似度,确定用户肺音的肺音状态为感冒肺音。
10.根据权利要求5所述的方法,其中,根据所述肺音信号与正常肺音信号的匹配数据、所述肺音信号与感冒肺音信号的匹配数据、所述肺音信号与肺炎肺音信号的匹配数据,确定用户肺音的肺音状态信息,包括:
若所述肺音信号与正常肺音信号的匹配相似度小于第二阈值,所述肺音信号与肺炎肺音信号的匹配相似度小于第五阈值,且所述肺音信号与肺炎肺音信号的匹配相似度大于在先获取的所述肺音信号与肺炎肺音信号的匹配相似度,确定用户肺音的肺音状态为肺炎肺音。
11.一种在听诊系统端用于风险提示的方法,其中,该方法包括:
获取用户肺音对应的模拟信号;
将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;
将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
12.一种用于风险提示的服务器,该服务器包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器,其中,当该计算机程序指令被该处理器执行时,使该服务器执行权利要求1至10中任一项所述的方法。
13.一种计算机可读介质,其上存储有计算机可读指令,所述计算机可读指令可被处理器执行以实现如权利要求1至10中任一项所述的方法。
14.一种用于风险提示的听诊系统,其中,该系统包括:
拾音设备,用于获取用户肺音对应的模拟信号;
处理设备,用于将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号;
发送设备,用于将所述肺音信号发送至服务器,以使服务器将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息。
15.根据权利要求14所述的听诊系统,其中,所述处理设备,包括A/D转换电路、放大电路和滤波电路。
16.一种用于风险提示的系统,其中,该系统包括:
听诊系统,用于获取用户肺音对应的模拟信号,并将所述用户肺音对应的模拟信号转换为用户肺音对应的数字信号并对所述数字信号进行滤波,得到肺音信号,再将所述肺音信号发送至服务器;
服务器,用于接收听诊系统发送的肺音信号,并将所述肺音信号与样本肺音信号进行匹配,获取匹配数据,所述样本肺音信号包括正常肺音信号、肺炎肺音信号和感冒肺音信号,再根据所述匹配数据,确定用户肺音的肺音状态信息,最后根据所述肺音状态信息生成相应风险提示信息;
用户设备,用于接收服务器发送的相应风险提示信息并进行展示。
CN201810645145.5A 2018-06-21 2018-06-21 用于风险提示的方法及系统 Pending CN108962389A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810645145.5A CN108962389A (zh) 2018-06-21 2018-06-21 用于风险提示的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810645145.5A CN108962389A (zh) 2018-06-21 2018-06-21 用于风险提示的方法及系统

Publications (1)

Publication Number Publication Date
CN108962389A true CN108962389A (zh) 2018-12-07

Family

ID=64491726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810645145.5A Pending CN108962389A (zh) 2018-06-21 2018-06-21 用于风险提示的方法及系统

Country Status (1)

Country Link
CN (1) CN108962389A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763985A (zh) * 2021-10-15 2021-12-07 广州蓝仕威克医疗科技有限公司 一种基于声音识别生理现象的装置
CN114334145A (zh) * 2021-12-06 2022-04-12 中国医学科学院北京协和医院 一种不典型危重患者的动态识别方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497819A (zh) * 2009-09-16 2012-06-13 3M创新有限公司 用于远程医疗应用的电子听诊器
CN103251388A (zh) * 2013-04-25 2013-08-21 北京大学深圳研究生院 基于智能手机平台的打鼾监测和防治方法及系统
CN106251880A (zh) * 2015-06-03 2016-12-21 创心医电股份有限公司 识别生理声音的方法以及系统
CN107077531A (zh) * 2016-11-30 2017-08-18 深圳前海达闼云端智能科技有限公司 听诊器数据处理方法、装置、电子设备及云服务器
CN107622797A (zh) * 2017-09-26 2018-01-23 李涵之 一种基于声音的身体状况确定系统及方法
CN107919045A (zh) * 2017-12-11 2018-04-17 陕西数字人信息科技有限公司 一种映射人体病理演示方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102497819A (zh) * 2009-09-16 2012-06-13 3M创新有限公司 用于远程医疗应用的电子听诊器
CN103251388A (zh) * 2013-04-25 2013-08-21 北京大学深圳研究生院 基于智能手机平台的打鼾监测和防治方法及系统
CN106251880A (zh) * 2015-06-03 2016-12-21 创心医电股份有限公司 识别生理声音的方法以及系统
CN107077531A (zh) * 2016-11-30 2017-08-18 深圳前海达闼云端智能科技有限公司 听诊器数据处理方法、装置、电子设备及云服务器
CN107622797A (zh) * 2017-09-26 2018-01-23 李涵之 一种基于声音的身体状况确定系统及方法
CN107919045A (zh) * 2017-12-11 2018-04-17 陕西数字人信息科技有限公司 一种映射人体病理演示方法和系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
何明利: "《军用无线传感器网络设计》", 30 April 2015 *
曾向阳 等: "《声信号处理基础》", 30 September 2015 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113763985A (zh) * 2021-10-15 2021-12-07 广州蓝仕威克医疗科技有限公司 一种基于声音识别生理现象的装置
CN113763985B (zh) * 2021-10-15 2024-04-02 广州蓝仕威克医疗科技有限公司 一种基于声音识别生理现象的装置
CN114334145A (zh) * 2021-12-06 2022-04-12 中国医学科学院北京协和医院 一种不典型危重患者的动态识别方法

Similar Documents

Publication Publication Date Title
CN110457432B (zh) 面试评分方法、装置、设备及存储介质
Hsieh et al. A streamlined encoder/decoder architecture for melody extraction
JP5708155B2 (ja) 話者状態検出装置、話者状態検出方法及び話者状態検出用コンピュータプログラム
CN109800720B (zh) 情绪识别模型训练方法、情绪识别方法、装置、设备及存储介质
US9595261B2 (en) Pattern recognition device, pattern recognition method, and computer program product
CN103065629A (zh) 一种仿人机器人的语音识别系统
CN109801646B (zh) 一种基于融合特征的语音端点检测方法和装置
WO2021213135A1 (zh) 音频处理方法、装置、电子设备和存储介质
Su et al. Convolutional neural network for robust pitch determination
Eringis et al. Improving speech recognition rate through analysis parameters
Vuppala et al. Improved consonant–vowel recognition for low bit‐rate coded speech
CN108962389A (zh) 用于风险提示的方法及系统
Park et al. Voice Activity Detection in Noisy Environments Based on Double‐Combined Fourier Transform and Line Fitting
US10910000B2 (en) Method and device for audio recognition using a voting matrix
Parthasarathi et al. Wordless sounds: Robust speaker diarization using privacy-preserving audio representations
Poorjam et al. Quality control of voice recordings in remote Parkinson’s disease monitoring using the infinite hidden Markov model
Jagtap et al. System propose for Be acquainted with newborn cry emotion using linear frequency cepstral coefficient
CN107894837A (zh) 动态情感分析模型样本处理方法及装置
Alshammri IoT‐Based Voice‐Controlled Smart Homes with Source Separation Based on Deep Learning
Kim et al. Efficient harmonic peak detection of vowel sounds for enhanced voice activity detection
Ranny et al. Separation of overlapping sound using nonnegative matrix factorization
CN115862685B (zh) 一种实时语音活动的检测方法、装置和电子设备
Wiśniewski et al. Improved approach to automatic detection of speech disorders based on the Hidden Markov Models approach
Bharti et al. SVM based Voice Activity Detection by fusing a new acoustic feature PLMS with some existing acoustic features of speech
Chang Deepfake Speech Recognition and Detection

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20181207