CN111657991B

CN111657991B - 一种智能阵列传感器电子听诊系统

Info

Publication number: CN111657991B
Application number: CN202010386693.8A
Authority: CN
Inventors: 郑德智; 那睿; 李大鹏; 王帅
Original assignee: Beihang University
Current assignee: Beihang University
Priority date: 2020-05-09
Filing date: 2020-05-09
Publication date: 2021-07-09
Anticipated expiration: 2040-05-09
Also published as: CN111657991A

Abstract

本发明公开了一种智能阵列传感器电子听诊系统，包括用于采集心肺音的阵列式传感器分布的拾音采集和信号处理系统；具有人工智能模式识别、心肺音图三维图形化显示以及链接远程“云”服务器功能的心肺音智能检测系统；以及具有深度学习模型训练和大数据计算能力的远程云服务器系统。本发明可以同步采集身体各部位的心肺音；具有主动降噪功能，信号质量较传统的电子听诊器高；采用共振腔结构的听诊头进行拾音，使听诊效果达到最佳并使心肺音的信噪比提高；利用声源定位算法，实现三维心肺状态实时显示；采用“人工智能+大数据”方法，使得随着使用本系统的人数增加，采集样本数量的增加，系统模型的自学习功能会让心肺状态分类模型越来越精确。

Description

一种智能阵列传感器电子听诊系统

技术领域

本发明属于智慧医疗、移动健康设备领域，特别涉及一种智能阵列传感器智能电子听诊系统。

背景技术

2020年年初爆发的“新冠肺炎”，对人民群众的身体健康带来了巨大的威胁，给国民经济发展也带来了巨大的影响。如果患者能够在家中，在患病初期就能通过智能听诊设备对身体健康状况(尤其是心肺功能)做出初步判断，并且医生能够采用无接触、远程的方式对智能听诊设备判断结果进行复核确认，以对患者的身体状况做出评估，从而进行有针对性地治疗。那么将大大避免医疗资源浪费，且有效避免患者由于出行、到院诊察等环节产生的交叉传染危险。

听诊器是医生对患者进行听诊时使用的重要医疗器械，通过听诊医生可以根据人体内自行发出声音的特性与变化(如声音的频率高低、强弱、间隔时间、音杂等)来诊断相关脏器有无病变。传统的听诊器由振膜、共振腔和导音管组成。传统听诊器虽然得到了广泛应用，但存在以下缺点：1.由于放大作用有限，难以获得较弱的体内生理信号；2.由于缺少有效滤波，易受外界噪声的干扰；3.需要由经过专业训练的医生寻找听诊位置，判断结果易受操作者主管因素的影响。因此，上述因素往往导致无法通过听诊得到对患者疾病的准确判断，从而影响对患者的准确治疗。

近年来随着信息技术的发展，听诊器逐渐向电子化和数字化发展。常见的电子听诊器通常为基于ZigBee协议的无线电子听诊器(申请号201711031563.7)或者基于蓝牙通讯协议的电子听诊器(申请号201830372127.5)，但这些电子听诊器的听诊输出设备也存在一下缺点：1、只能在听诊输入设备周围100m范围内使用，无法实现本地智能诊断和将听诊数据进行远距离传输至服务器实现远程诊断；2、在听诊方式上目前大多数电子听诊器仍需要操作者进行多点、分时、重复测量，对于普通用户来讲，很难将听诊器放置到准确的测量位置，从而影响听诊数据的准确性。

发明内容

针对传统听诊器的如下缺陷：1)使用复杂，需要专业人士操作，且需要多个点位进行分时、重复测量；2)受外界环境噪声影响大，难以听到微弱的心肺杂音；3)传统听诊器的共振腔设计是为了满足人耳蜗的灵敏度，而不是满足麦克风的灵敏度的，使采集到的心肺音失真；4)对听诊结果的判断依赖于医生的听诊经验，往往会误诊、漏诊；5)无法远程使用，医生与患者需要直接接触，易产生病毒的交叉感染；6)无法以三维图形化的方式直观的看到心肺音发出的位置；7)无法对听诊信息进行远程存储，无有效的应用于智慧医疗的诊疗信息管理方法，本发明提出了一种智能阵列传感器智能电子听诊系统，具体包括三个子系统：用于采集患者心肺音的阵列式传感器分布的拾音采集和信号处理系统；作为系统控制中心，具有人工智能模式识别、心肺音图三维图形化显示以及链接远程“云”服务器功能的心肺音智能检测系统；以及具有深度学习模型训练和大数据计算能力的远程“云”服务器系统。

本发明提供了一种智能阵列传感器电子听诊系统，包括拾音采集和信号处理系统、心肺音智能检测系统以及远程云服务器系统；所述心肺音智能检测系统包括智能终端以及心肺音智能检测App；

所述拾音采集和信号处理系统包括可穿戴设备以及均设置在所述可穿戴设备上的多个拾音传感器、多个环境音麦克风以及主控机；所述多个拾音传感器阵列式排布在所述可穿戴设备上，以用于同时采集不同区域的心肺音数据；所述多个环境音麦克风用于采集环境噪声数据，各环境音麦克风包括环境噪声传感器和围绕在所述环境噪声传感器周围的扬声器；所述主控机用于对采集到的心肺音数据进行滤波，并基于采集到的环境噪声数据对心肺音数据进行降噪处理，同时将处理后的心肺音数据传输至智能终端以便在智能终端上进行识别诊断并显示结果，或者通过智能终端的网络功能将处理后的心肺音数据传输至远程云服务器系统；

所述心肺音智能检测系统配置成利用基于声达时间差的声源定位算法获得处理后的心肺音数据的声源位置，并以三维图形化形式实时呈现心肺状态；所述远程云服务系统配置成通过对大量心肺音数据进行训练和学习，获得深度学习模型，并且实现处理后的心肺音数据的播放以及波形显示；

所述心肺音智能检测系统通过智能终端的网络功能从远程云服务器系统获取深度学习模型，并基于深度学习模型对处理后的心肺音数据分类，实现本地诊断，并将处理后的心肺音数据和诊断结果传输至所述远程云服务器系统进行保存，实现训练数据的实时更新。

进一步，各环境音麦克风包括圆形环境噪声传感器和环形扬声器，所述环形扬声器包裹在所述圆形环境噪声传感器的外侧。

进一步，所述可穿戴设备具有马甲式外观，所述多个拾音传感器在所述可穿戴设备的心肺音重点区域高密度阵列式排布，在心肺音非重点区域低密度阵列式排布。

进一步，所述拾音采集和信号处理系统利用具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理，具体过程如下：

S1：用户穿戴好可穿戴设备后，智能终端的主控芯片运行自标定程序，控制K个扬声器分别产生频率为f_i,i＝1,2,…,K的正弦波标定信号，各扬声器同步播放S秒；

S2：K个环境噪声传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中取围绕在各自周围的扬声器所产生频率为f_i的正弦波标定信号的幅值V_i；

S3：M个拾音传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中得到频率为f_i的正弦波标定信号分别的幅值，其中，拾音传感器j,j＝1,2,…,M从幅度谱中得到频率为f_i的正弦波标定信号幅值为V_ji，i＝1,2,…,K；

S4：计算获得各拾音传感器与K个环境噪声传感器之间的噪声传递系数

之后所述电子听诊系统进入听诊状态，各拾音传感器采集到包含有环境噪声的心肺音信号，将此心肺音信号减去各环境噪声传感器和对应噪声传递系数相乘的结果，得到主动降噪后的心肺音信号。

进一步，各拾音传感器包括微型共振音腔、麦克风和填充至所述微型共振音腔中的置换气体，所述置换气体用于调节微型共振音腔中的声速，进而与微型共振音腔共同实现谐振频率的调节。

进一步，所述微型共振音腔包括顶部振动膜和底部振动膜，各拾音传感器的共振音腔参数和共振频率f的关系为：

其中，u为声速；r和d分别为共振音腔的底部振动膜的半径和直径；L为顶部振动膜和底部振动膜之间的垂直距离；V为微型共振音腔的体积。

进一步，所述主控机包括信号预处理电路、多路并行模数转换芯片、FPGA处理器、WiFi模块、SDRAM数据缓存模块、本地存储模块、数模转换器、可充电锂电池以及电源管理电路、可拓展传感器接口电路；

所述信号预处理电路用于将各拾音传感器的采集数据进行一分二并行滤波，分别得到滤波后的心音信号和滤波后的肺音信号；

所述多路并行模数转换芯片用于将滤波后的心音信号和滤波后的肺音信号以及同步采集到的环境噪声数据进行转换，得到数字信号；

所述FPGA处理器用于并行、高速的同时对多路并行模数转换芯片、WiFi模块、DAC模块以及可拓展传感器接口电路进行驱动，并且运行具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理；

所述DAC模块用于对扬声器进行驱动，实现具有自标定功能的主动降噪算法中标准信号的播放功能；

所述WiFi模块用于实现拾音采集和信号处理系统与智能终端的连接，进行心肺音数据的传输；

所述可充电锂电池以及电源管理电路用于为所述电子听诊系统提供电源。

进一步，所述远程云服务器系统包括深度学习模型训练系统以及数据实时显示和管理系统，

所述深度学习模型训练系统用于使用大量的训练数据对深度学习模型进行训练得到模型参数，并将最新的模型参数通过智能终端的网络功能实时下发至智能终端中；

所述数据实时显示和管理系统使用C++为编程语言以及mysql作为后台数据库，使得通过显示器实现心肺音的播放以及波形显示。

进一步，所述远程云服务器系统采用时序信号数据增强的方法扩充深度学习模型的训练数据量。

进一步，所述远程云服务器系统采用生成对抗网络来生成人工心肺音信号，通过对生成对抗网络训练进行修改，逐步训练生成对抗网络以稳定的方式产生人工信号。

本发明的有益效果：

1)本发明通过具有阵列式传感器分布结构的可穿戴式电子听诊系统，可以将身体各部位的心肺音同步采集。具体地：

现有技术方案大多是只有一个听诊头，需要用户具有专业知识，且需要重复多点位、分时测量，本发明通过将拾音传感器阵列式布局到可穿戴式电子听诊系统上(心肺音关键测量点均有分布)，在无需用户具有专业知识，仅需要穿戴上设备，开启系统，便能够采集到清晰的心肺音数据。优选地，可穿戴设备可以用柔软材料的马甲无缝制成，使得穿着舒适，可以长时间穿戴，实现一段时间内的心肺功能数据记录及分析。

2.本发明的电子听诊系统具有主动降噪功能，信号质量较传统的电子听诊器高。具体地：

本发明采用多个环境音麦克风，将身体各方位的环境噪音进行采集，通过具有自标定功能的主动降噪算法(ANC,Active Noise Control)，可以提高信噪比，获得更为清晰的心肺音。

3)在拾音传感器结构设计上，本发明充分考虑心肺音的频率范围和数字麦克风的频率响应特性，选择氙气作为声速传播介质，有效降低声速，使传感器共振频率满足设计需求，从而获得高信噪比、低失真度的心肺音信号。

4)本发明利用声源定位算法，实现三维心肺状态实时显示。具体地：

本系统采用的心肺音拾音传感器成阵列式布局，相对位置固定，因此可以采用基于声达时间差的声源定位算法获得声源位置，首先计算声音到达传感器阵列各阵元的相对时延值，再利用此时延值算出声源到达各阵元的距离差，最后用搜索或者几何算法来确定声源的位置。

结合设计三维显示软件模块，调用手机或平板电脑的三维绘图库，将心肺音的具体状态在三维模型图上进行实时呈现，用户可以看到心杂音、肺部的湿罗音、干罗、帛裂音、哮鸣音的具体产生部位，可以旋转实时图像，从前、后、左、右、上、下等任意角度对心肺器官进行观察。

5)本发明具有两种工作模式：本地智能诊断+远程医生实时诊断。

本发明设计可以调用人工智能处理芯片的软件模块，可以实现智能设备的“核心处理器+协处理器”双处理器协同方式，协处理器实现的深度学习模型，可以在本地实现对心肺音数据的高精度分类识别，且模型参数可以由远程服务器进行更新，识别准确率会随训练数据量的增加而提高。同时本系统具有WiFi和数据网络模块，可以通过高速网络，实时将采集的心肺音数据传输至服务器，通过系统软件将数据实时显示。

6)本发明采用“人工智能+大数据”方法，使得随着使用该系统的人数增加，采集样本数量的增加，系统模型的自学习功能会让心肺状态分类模型越来越精确。

7)本发明的拾音采集和信号处理系统的主控机采用模块设计，预留有传感器接口(SPI接口、串口、I2C接口、网口、WiFi等)，并且该主控机具有同步trig(同步控制)功能，可实现心电、指夹血氧数据的同步采集和外部事件触发功能。

附图说明

图1为本发明实施例的智能阵列传感器电子听诊系统的结构示意图；

图2为本发明实施例的拾音传感器变密度阵列结构示意图；

图3为本发明实施例的拾音传感器的结构示意图；

图4为本发明实施例的环境音麦克风的结构示意图；

图5为本发明实施例的拾音采集和信号处理系统结构框图；

图6为本发明实施例的智能手机或平板电脑端软件程序架构；

图7为本发明实施例的云服务器系统结构框图；

图8为本发明实施例的智能阵列传感器电子听诊系统的使用方法流程图。

具体实施方式

下面结合附图和实施例进一步描述本发明，应该理解，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。

如图1所示，本发明实施例提供了一种智能阵列传感器智能电子听诊系统，包括三个子系统：用于采集用户心肺音的拾音采集和信号处理系统；作为系统控制中心，具有人工智能模式识别、心肺音图三维图形化显示以及链接远程“云”服务器功能的智能手机或平板电脑端以及软件程序(App)；以及具有深度学习模型训练和大数据计算能力的远程“云”服务器系统。

如图1所示，本实施例的拾音采集和信号处理系统包括外观为马甲式的可穿戴设备以及均设置在可穿戴设备上的多个拾音传感器、多个环境音麦克风以及主控机，其中，拾音传感器用于采集心肺音数据，环境音麦克风用于采集环境噪声数据，主控机用于对采集到的心肺音数据进行滤波，并基于采集到的环境噪声数据对心肺音数据进行降噪处理，同时可以将处理后的心肺音数据传输至智能终端以便在智能手机或平板电脑端上进行识别诊断并显示结果，或者可以通过智能终端的网络功能将处理后的心肺音数据传输至远程云服务器系统。

特别地，多个拾音传感器阵列式排布在可穿戴设备上以实现多点同步听诊。由此可以使得用户无需像传统听诊器一样，进行多个测量点的重复、分时测量，仅需穿戴上可穿戴设备(其上已经在前部、侧部和后部的心肺音关键测量点分布有多个拾音传感器)，便可以一次性同时获得心肺音的综合听诊数据，提高听诊效率，而无需专业医生进行现场听诊。此外考虑到电子听诊系统的普适性与功能性，本发明的多个拾音传感器采用变密度式阵列分布，本实施例的拾音传感器数量不少于30个，其在包含了全部传统听诊位置的基础上，如图2所示，在重点心肺音区域(如：前胸)增添传感器用来高密度听取，使该部分听诊效果达到最佳；在非重点区域(如：两肋、背部)采用低密度听取，用来补充听取肺音，使听诊效果得到进一步保证。

特别地，本发明的拾音传感器设计为微型共振音腔结构(共振音腔结构形状大小可根据实际工程设计，只需根据公式使其共振频率略高于700Hz即可)，声音传感器主要由数字麦克风构成，采用置换方法，将惰性气体(置换气体可根据实际工程需要选择，保证其易获取且无毒无害，能起到降低声速作用即可)填充至共振音腔中，起到调节声速的目的，进而与音腔结构共同实现谐振频率的调节。

传统听诊器的共振腔设计是为了满足人耳蜗的灵敏度，而不是满足麦克风的灵敏度的，而为了能使心肺音信号放大，提高听音质量，本发明采用了结构为共振腔设计的听诊头进行拾音，通过对共振腔体积和形状的设计，使其既能接近心肺音信号的频率，听诊效果达到最佳；又能将人体声信号放大到麦克风的灵敏度范围内，并将心肺音信号的频率调制到麦克风频率响应曲线较平坦段对应的频率范围内，这样麦克风拾取的生理声信号的更接近原生理声信号，提高了信噪比，降低了失真度。

在本实施例中，拾音传感器采用了微型圆台音腔结构，置换气体采用氙气，可以有效降低声速(174.47m/s)，得到共振腔共振频率f＝713.8468HZ，满足了心肺音所在的频率范围且在麦克风平稳范围内，从而实现对心肺音信号的高信噪比、低失真度采集。

具体地，如图3所示，拾音采集传感器主要包括顶部振动膜1、麦克风2、底部振动膜3和置换气体，其中共振音腔参数和共振频率f的关系为：

其中，u为声速；r和d分别为共振音腔的底部振动膜的半径和直径；L为顶部振动膜和底部振动膜之间的垂直距离；V为共振音腔的体积。由于心音的主要频率范围70～120Hz，肺音的主要频率范围200～700Hz，且麦克风频率响应曲线较平坦段对应的频率范围一般在50～5000Hz，故设计的共振音腔频率应尽量接近700Hz，进而满足提高信噪比，降低失真度的需求。

通过上述共振腔频率公式不难看出，若想尽可能降低频率使其接近心肺音频率，可增大共振腔体积或降低声速，但考虑到本发明应用场景，阵列式的可穿戴的听诊拾音采集系统不宜过大，故选择降低声速。降低声速的方法主要有降低温度和改变介质两种方式，同样考虑系统的适应性，选用改变介质降低声速最为合适。具体参数设计如下所述：

理想气体中声速公式为：

其中，M为气体的摩尔质量；单原子气体γ＝1.67，双原子气体γ＝1.41，R为比例常数，约为8.31441J/(mol·K)。为降低声速，需考虑选用摩尔质量较大的气体。经综合考量气体的各种性质，优选选用氙气作为置换气体。作为一种摩尔质量较大的稀有气体，氙气易获取且无污染无害，满足需求。氙气的摩尔质量为131.3g/mol，代入公式得u＝174.47m/s。

考虑到工艺设计上的便利性，本发明的共振音腔结构优选设计为微型圆台结构，顶面振动膜(贴近皮肤)的半径r₀＝10～25mm，底面振动膜(贴近数字麦克风)的半径r₁＝1～2.5mm，两个振动膜之间的垂直距离L＝3～5mm，保证经共振腔频率公式计算得到的共振腔共振频率f略大于肺音的最大频率700Hz即可。

在本实施例中，选择顶面振动膜的半径r₀＝20mm，底面振动膜的半径r₁＝2mm，底面振动膜的直径d₁＝4mm，两个振动膜之间的垂直距离L＝5mm，共振腔体积V＝2.32×10-6m³。将r₁、d₁、L和V代入上述共振腔频率公式得到共振腔共振频率f＝713.8468Hz，满足心肺音所在的频率范围且在麦克风平稳范围内，满足需求，可以清晰地听到高信噪比、低失真度的生理音信号。

用户穿戴好设备后，拾音传感器的共振音腔顶部膜与用户身体紧密接触，实现声音的采集与传递，数字麦克风将收到的声信号转换成电信号并传输至信号处理电路，对信号进行预处理。优选地，在穿戴设备的外侧不同位置将共设置四处额外的拾音传感器，结构同上述结构相同，但这四处传感器专门用来同步采集环境音。通过与穿戴背心内其余拾音传感器的对比，产生同相位、同频率、同幅度的干扰信号用于抵消，进而得到有效的心肺音，提升采集到的信号精度。

在本实施例中，各环境音麦克风包括圆形环境噪声传感器5和环形扬声器6，环形扬声器6包裹在圆形环境噪声传感器5的外侧，如图4所示。由于用户的身材差异、每次使用时设备穿戴位置偏差等原因，会导致不同用户每次穿戴听诊系统后，各测量心肺音的拾音传感器与身体接触情况不同，有的接触紧密，则外界环境噪音影响较小；有的与身体接触存在空隙，则受外界环境噪声较大。并且每个测量心肺音的拾音传感器受不同空间方位的环境噪音影响不同，因此不能简单的将多个环境噪音传感器的噪声数据进行相加。基于此，本发明设计了具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理，具体过程如下：

S2：K个环境噪声传感器采集各自对应的扬声器播放的S秒声音数据，并对采集到的S秒声音数据进行傅里叶变换，从幅度谱中取围绕在各自周围的扬声器所产生频率为f_i的正弦波标定信号的幅值V_i；

S3：M个拾音传感器中的各拾音传感器采集K个扬声器播放的S秒声音数据，并对采集到的S秒声音数据进行傅里叶变换，从幅度谱中得到频率为f_i的正弦波标定信号分别的幅值，其中，拾音传感器j,j＝1,2,…,M从幅度谱中得到频率为f_i的正弦波标定信号幅值为V_ji，i＝1,2,…,K；

如图5所示，拾音采集和信号处理系统的硬件，即主控机，包括信号预处理电路、多路并行模数转换芯片、FPGA(Field Programmable Gate Array)处理器、WiFi模块、SDRAM数据缓存模块、固态硬盘或SD卡数据存储模块、数模转换器、可充电锂电池以及电源管理电路、可拓展传感器接口电路。

其中：

信号预处理电路：

本电子听诊系统的阵列式分布的多个拾音传感器将用户的心肺音的振动信号转换为电信号(模拟信号)，同时具有主动降噪作用的环境音麦克风将周围环境音转换为电信号(模拟信号)。针对心音的主要频率范围70至120Hz，肺音的主要频率范围200至600Hz，信号预处理电路将各拾音传感器的采集数据进行并行滤波，分别得到滤波后的心音信号和滤波后的肺音信号。

多路并行模数转换芯片：

因为心肺音信号具有时间上的关联性，所以采用并行同步模数转换方式，即利用多路并行模数转换芯片将滤波后的心肺音信号以及同步采集到的环境噪声信号进行模数转换，得到数字信号以便处理器进行进一步处理，其中采样率大于2000Hz，满足奈奎斯特采样定理。

FPGA处理器：

采用FPGA作为拾音采集和信号处理系统的核心处理器。FPGA可以并行、高速的同时对多路并行模数转换芯片、WiFi模块、DAC模块以及可拓展传感器接口电路进行驱动，并且可在FPGA中运行主动降噪算法，实现对心肺音信号的进一步去噪，将得到的纯净心肺音信号，SDRAM缓存模块对数据进行缓存，固态硬盘或SD卡对数据进行本地存储，同时通过WiFi模块传输至智能手机或平板电脑端。

DAC模块：对环境音麦克风的扬声器进行驱动，实现具有自标定功能的主动降噪算法中，标准信号的播放功能。

WiFi模块：用户可实现拾音采集和信号处理系统与智能手机或平板电脑端的连接，进行心肺音数据的传输。

可充电锂电池以及电源管理电路：为电子听诊系统中各部分提供电源。

当前智能手机或平板电脑端已配备人工智能处理芯片(深度学习芯片)，本发明在设计心肺音智能检测软件程序(App)时，设计调用人工智能处理芯片的软件模块，从而实现深度学习模型在本地手机或平板电脑端的更新和运行，使得即使在没有远程医生介入时，也可以通过软件程序(App)进行高准确度的心肺疾病诊断。心肺音智能检测软件程序(App)可以将经拾音采集和信号处理系统滤波、去噪后的心肺音数据，采用基于声达时间差的声源定位算法获得声源位置，并用三维图形化形式实时呈现心肺状态。用户既可手机或平板电脑端进行查看心肺状态，又可以通过无线网络(WiFi)或者移动数据网络(5G/4G)将心肺音数据传输至远程“云”服务器，方便医生进行远程、无接触式诊疗。图6示出了智能手机或平板电脑端软件程序架构，包括应用层和功能模块层，其中应用层负责调用功能模块层中的各子模块。

特别地，本发明采用了“人工智能+大数据”方法，通过对大量的经专业医生确诊并对进行了病理分类的心肺音数据进行训练和学习，获得实现心肺音诊断的深度学习模型。随着使用该系统的用户增多，采集到的心肺音数据样本随之增多，通过将听诊数据在远程服务器中进行分类存储，对人深度学习模型的训练会更加全面，分类精度也会越来越高。图7示出了云服务器系统的结构框图，如图所示，远程云服务器系统包括深度学习模型训练系统以及数据实时显示和管理系统。在本实施例中，深度学习模型训练系统使用Python作为编程语言，深度学习框架采用开源的Caffe、Tensorflow、Pytorch等架构，训练数据采用医生在临床诊察时的听诊数据，由多位专家同时对数据进行确认类别，实现精准的数据打标签，且训练数据实时更新。使用大量的训练数据对深度学习模型进行训练可以得到模型参数，并将最新的模型参数实时下发至系统的手持式主机中。数据实时显示和管理系统使用C++为编程语言以及mysql作为后台数据库，使得通过显示器实现心肺音的播放以及波形显示。

特别地，针对心肺音信号为时序信号的特点，本发明的云服务器系统采用时序信号数据增强的方法，以扩充深度学习模型的训练数据量，从而可以提高模型分类的准确性和泛化能力。此外，本发明的云服务器系统采生成对抗网络(Generative AdversarialNetwork，GAN)来生成人工心肺音信号，通过对GAN训练进行修改，逐步训练GAN以一种稳定的方式产生人工信号。

下面结合图8来进一步说明本发明的电子听诊系统的使用方法，具体使用流程如下：

1)用户在智能手机或平板电脑端，进入“心肺音智能检测App”；

2)对可穿戴的心肺音采集和信号处理系统进行开机，系统进行传感器、电源、通信网络等模块的自检，并进行主动降噪算法的标定流程；

3)“心肺音智能检测App”与远程“云”服务器系统进行连接，并下载最新版本的深度学习模型，与拾音采集和信号处理系统进行连接；

4)用户根据自身需求，选择工作模式：“本地诊断模式”或者“远程诊断模式”，随后进入心肺音采集流程，用户可以选择“短时测量”系统采集3min的数据，或者选择“长时测量”并设定测量时间。智能手机或平板电脑端的显示屏实时显示心肺音波形和心肺音三维状态图。若选择“本地诊断模式”，采集数据进入智能手机或平板电脑端的人工智能处理器中，利用人工智能算法分类模型对采集数据进行分类，得到患者心肺音状况的诊断结果；若选择“远程诊断模式”采集数据通过WiFi或者无线数据网络模块传输至远程“云”服务器系统，医生可以实时听到用户的心肺音并可以看到心肺音的实时波形；

5)本地诊断结果或者远程诊断结果均在“云”服务器系统进行保存，以实现对用户心肺音健康状态的长期、可回溯记录；

6)使用结束后，对拾音采集和信号处理系统关机，并退出“心肺音智能检测App”。

对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本发明的保护范围。

Claims

1.一种智能阵列传感器电子听诊系统，其特征在于，包括拾音采集和信号处理系统、心肺音智能检测系统以及远程云服务器系统；所述心肺音智能检测系统包括智能终端以及心肺音智能检测App；

所述心肺音智能检测系统通过智能终端的网络功能从远程云服务器系统获取深度学习模型，并基于深度学习模型对处理后的心肺音数据分类，实现本地诊断，并将处理后的心肺音数据和诊断结果传输至所述远程云服务器系统进行保存，实现训练数据的实时更新；

所述拾音采集和信号处理系统利用具有自标定功能的主动降噪算法对采集的心肺音数据进行去噪处理，具体过程如下：

S3：M个拾音传感器对采集到的S秒声音数据进行傅里叶变换，从幅度谱中得到频率为f_i的正弦波标定信号分别的幅值，其中，拾音传感器j,j＝1,2,…,M从幅度谱中得到频率为f_i的正弦波标定信号幅值为V_ji,i＝1,2,…,K；

之后所述电子听诊系统进入听诊状态，各拾音传感器采集到包含有环境噪声的心肺音信号，将该心肺音信号减去各环境噪声传感器采集数据和对应噪声传递系数相乘的结果，得到主动降噪后的心肺音信号。

2.根据权利要求1所述的电子听诊系统，其特征在于，各环境音麦克风包括圆形环境噪声传感器和环形扬声器，所述环形扬声器包裹在所述圆形环境噪声传感器的外侧。

3.根据权利要求1所述的电子听诊系统，其特征在于，所述可穿戴设备具有马甲式外观，所述多个拾音传感器在所述可穿戴设备的心肺音重点区域高密度阵列式排布，在心肺音非重点区域低密度阵列式排布。

4.根据权利要求1所述的电子听诊系统，其特征在于，各拾音传感器包括微型共振音腔、麦克风和填充至所述微型共振音腔中的置换气体，所述置换气体用于调节微型共振音腔中的声速，进而与微型共振音腔共同实现谐振频率的调节。

5.根据权利要求4所述的电子听诊系统，其特征在于，所述微型共振音腔包括顶部振动膜和底部振动膜，各拾音传感器的共振音腔参数和共振频率f的关系为：

其中，u为声速；r和d分别为底部振动膜的半径和直径；L为顶部振动膜和底部振动膜之间的垂直距离；V为微型共振音腔的体积。

6.根据权利要求1所述的电子听诊系统，其特征在于，所述主控机包括信号预处理电路、多路并行模数转换芯片、FPGA处理器、WiFi模块、SDRAM数据缓存模块、本地存储模块、数模转换器、可充电锂电池以及电源管理电路、可拓展传感器接口电路；

所述信号预处理电路用于将各拾音传感器的采集数据进行并行滤波，分别得到滤波后的心音信号和滤波后的肺音信号；

7.根据权利要求1所述的电子听诊系统，其特征在于，所述远程云服务器系统包括深度学习模型训练系统以及数据实时显示和管理系统，

8.根据权利要求1所述的电子听诊系统，其特征在于，所述远程云服务器系统采用时序信号数据增强的方法扩充深度学习模型的训练数据量。

9.根据权利要求1所述的电子听诊系统，其特征在于，所述远程云服务器系统采用生成对抗网络来生成人工心肺音信号，通过对生成对抗网络训练进行修改，逐步训练生成对抗网络以稳定的方式产生人工信号。