CN112908291A - 一种电子听诊器的毛刺噪声消除方法 - Google Patents
一种电子听诊器的毛刺噪声消除方法 Download PDFInfo
- Publication number
- CN112908291A CN112908291A CN202110082463.7A CN202110082463A CN112908291A CN 112908291 A CN112908291 A CN 112908291A CN 202110082463 A CN202110082463 A CN 202110082463A CN 112908291 A CN112908291 A CN 112908291A
- Authority
- CN
- China
- Prior art keywords
- short
- noise
- time
- vector
- time energy
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 230000008030 elimination Effects 0.000 title description 5
- 238000003379 elimination reaction Methods 0.000 title description 5
- 239000013598 vector Substances 0.000 claims abstract description 56
- 230000005236 sound signal Effects 0.000 claims abstract description 52
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 10
- 238000009432 framing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 5
- 230000037433 frameshift Effects 0.000 claims description 4
- 239000012634 fragment Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 208000037656 Respiratory Sounds Diseases 0.000 abstract description 13
- 230000002612 cardiopulmonary effect Effects 0.000 abstract description 13
- 238000003745 diagnosis Methods 0.000 description 8
- 238000002555 auscultation Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 208000024172 Cardiovascular disease Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1781—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase characterised by the analysis of input or output signals, e.g. frequency range, modes, transfer functions
-
- 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
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10K—SOUND-PRODUCING DEVICES; METHODS OR DEVICES FOR PROTECTING AGAINST, OR FOR DAMPING, NOISE OR OTHER ACOUSTIC WAVES IN GENERAL; ACOUSTICS NOT OTHERWISE PROVIDED FOR
- G10K11/00—Methods or devices for transmitting, conducting or directing sound in general; Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/16—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general
- G10K11/175—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound
- G10K11/178—Methods or devices for protecting against, or for damping, noise or other acoustic waves in general using interference effects; Masking sound by electro-acoustically regenerating the original acoustic waves in anti-phase
- G10K11/1785—Methods, e.g. algorithms; Devices
- G10K11/17853—Methods, e.g. algorithms; Devices of the filter
Abstract
本发明公开了一种电子听诊器的毛刺噪声消除方法,首先对采集到的听诊器音频信号向量X进行分帧处理,对每帧音频信号Xi计算短时能量值ei,并求出每帧对应的时间ti,各个时刻的短时能量值ei组成短时能量向量E,ti组成时间向量T;计算前n帧的短时能量平均值设置能量阈值对比短时能量向量E中所有值与阈值thr的大小关系,记录下所有Ei≥thr的时间点ti,组成毛刺噪声时间点向量T’;在音频信号向量X中,截取毛刺噪声向量Ni,并进行中值滤波处理,即可得到去除毛刺噪声的音频信号向量X’。本发明能够快速准确的定位电子听诊器采集的心肺音信号中的毛刺噪声位置;然后对毛刺噪声区域进行平滑滤波,实现心肺音信号的毛刺消除。
Description
技术领域
本发明属于生物医学信号处理领域,尤其涉及一种电子听诊器的毛刺噪声消除方法。
背景技术
听诊器听诊是内科医生常用的诊断方式。传统听诊技术往往受就诊地点、医技水平的制约。近年来,随着电子科技的进步和数字信号处理技术的发展,电子听诊器越来越受到广泛的关注。电子听诊器不仅能实时听诊病人,还能将采集到的心肺音数据上传到云端,为后期基于深度学习的人工智能诊疗提供了可能。在病人病情轻微,或离医院较远的情况下,通过电子听诊器采集心肺音信号通过无线通信上传到云端,云端建立的专家系统能快速诊断患者疾病并返回诊断结果。该模式极大方便了心血管疾病的诊断。
电子听诊器的传感器及其敏锐,能将微弱的心音、肺音等生理声信号转化为电信号。实际操作中,容易在采集的心肺音信号中夹杂摩擦噪声。如听诊位置的切换和患者衣物的摩擦,或者是患者无意识的情况下很难配合医生听诊,造成采集到的心肺音信号会出现摩擦声的干扰。摩擦噪声在时域信号上表现为高尖的毛刺。毛刺噪声的出现,一方面对临床医生的疾病诊断造成影响,另一方面对云端的人工智能自动诊断来说,大大降低了信号质量,影响心肺音的定位和疾病种类识别。对于智能诊断来说,消除电子听诊器的毛刺噪声干扰是亟待解决的问题。
目前,针对音频信号的摩擦噪声消除,尚未有很好的解决办法。现有的专利多从硬件设计的角度来考虑该问题,然而硬件电路一旦设定就只能针对某些场景的噪声消除,或一定程序上减弱毛刺噪声的干扰。而临床医生在使用的过程中,情况是多变的。因此单靠硬件设计,难以解决临床采集的信号质量问题。随着现代信号处理技术的发展,为采集的心肺音数据进行后处理提供了一种思路。
从信号处理的角度考虑,毛刺噪声的频段往往与有用的心肺音信号在一个频段。常规的高低通滤波器、带通滤波器或者小波变换、经验模态分解等算法多用于心肺音信号的分离或常规的噪声滤除,很难处理与心肺音信号在一个频带内的毛刺噪声信号。
目前,对毛刺噪声的定位与消除是音频信号处理中的一个难点。而要实现准确的心肺音疾病诊断,该问题又亟待解决。
发明内容
本发明的目的是提供一种电子听诊器的毛刺噪声消除方法,不需要进行时频域变换,只对毛刺噪声区域进行处理,能最大程度减弱心肺音信号的失真,且方法简单,计算速度快。
为达到上述目的,本发明采用的技术方案是:一种电子听诊器的毛刺噪声消除方法,包括以下步骤:
(1)获取时长为N的听诊器音频信号采样序列x(n),n=1,2,...,N,并将其表示为音频信号向量X;
(2)对听诊器音频信号向量X进行分帧处理,其中,第i帧的音频信号为Xi,对第i帧信号进行短时能量值计算,得到第i帧信号的短时能量值ei,并记录与之对应的时间点ti,所有子帧的短时能量值组成短时能量向量E,所有时间点组成时间向量T;
(4)对比短时能量序列E1中各帧短时能量值ei与短时能量阈值thr的大小关系,若ei≥thr,则该帧为毛刺噪声所在帧,记录ei对应的时间点Ti’,Ti’即为毛刺噪声点时刻;若ei<thr,继续下一帧短时能量对比直至所有帧对比完毕;对比完成之后,记录的n个时间点Ti’(i=1,2,…n)组成毛刺噪声时间点向量T’;
(5)截取毛刺噪声片段:在听诊器音频信号向量X中,由毛刺噪声点时刻Ti’定位第i个毛刺噪声所在的位置,得到第i个时刻的毛刺噪声向量Ni;
(6)对所有毛刺噪声向量Ni进行中值滤波处理,得到去除毛刺噪声的音频信号向量X’。
所述步骤(1)中听诊器信号采样序列为电子听诊器采集的音频信号,通过蓝牙传送获得。
所述步骤(2)中分帧处理为:根据设定的帧长L和帧移L/2,对采集的音频信号进行分帧处理。
所述步骤(2)中第i帧信号的短时能量值ei为该子帧所有采样点的平方和,即第i帧的音频信号Xi的短时能量ei为:
排序后的短时能量序列E1的前n1项为所需音频信号的短时能量值,末尾n2项为毛刺噪声的短时能量值,其中n1远大于n2。
所述步骤(5)中在毛刺噪声点时刻Ti’定位第i个毛刺噪声所在的位置后,将(Ti’-0.01,Ti’+0.01)时刻内的音频数据选中,作为毛刺噪声向量Ni。
本发明具有的优点是:
1.本发明通过对电子听诊器的心肺音信号进行分帧处理和短时能量计算,快速准确的定位电子听诊器采集的心肺音信号中的毛刺噪声位置;然后对毛刺噪声区域进行中值滤波,实现心肺音信号的毛刺消除。
2.本发明能够实现一段心肺音听诊数据的单个和多个毛刺噪声消除,有利于后期的自动识别诊断。
附图说明
图1为本发明毛刺噪声消除方法的流程图;
图2为本发明中选取肺音信号的波形图;
图3为本发明中所选肺音信号的短时能量图;
图4为本发明肺音信号消除毛刺噪声后的波形图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明,另外,此处描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明公开了一种电子听诊器的毛刺噪声消除方法,包括以下步骤:
(1)获取时长为N的听诊器音频信号采样序列x(n),n=1,2,...,N,并将其表示为音频信号向量X,听诊器音频信号采样序列为电子听诊器采集的音频信号,通过蓝牙传送获得。
(2)对听诊器音频信号向量X进行分帧处理,其中,第i帧的音频信号为Xi,对第i帧信号进行短时能量值计算,得到第i帧信号的短时能量值ei,并记录与之对应的时间点ti,所有子帧的短时能量值组成短时能量向量E,所有时间点组成时间向量T。
分帧处理为:根据设定的帧长L和帧移L/2,对采集的音频信号进行分帧处理,分帧之后第i帧的音频信号为Xi。
对各子帧信号进行短时能量值计算:每个子帧的短时能量值ei的计算过程为:
其中L为帧长,计算完成之后,将该子帧的短时能量值ei与该子帧的时间ti相对应。
(3)对短时能量向量E进行升序排列,得到排序后的短时能量序列E1,E1中前n1项为所需音频信号的短时能量值,末尾n2项内含有毛刺噪声的短时能量值,其中n1远大于n2,(这个n1和n2的划分,主要是前面n1项是正常数据的短时能量值,因为正常数据占了大多数,毛刺噪声的短时能量值被包含在剩下的n1项中,可以使n1=3/4*n,n为总音频帧数,即步骤(4)的时间点数,n2=1/4*n)求出n1项的短时能量平均值
(4)根据选取的阈值,定位出短时能量向量E中,毛刺噪声所在的时间点,对比短时能量向量E中各帧短时能量值ei与阈值thr的大小关系,若第i帧短时能量值ei≥thr,则该帧为毛刺噪声所在帧,记录下该帧对应的时间点Ti’,若ei<thr,继续对比下一帧的短时能量ei+1与thr的大小关系,重复上述过程,直到对比完短时能量向量E中所有值,记录的n个时间点Ti’(i=1,2,…n)组成毛刺噪声时间点向量T’。
(5)截取毛刺噪声片段:在听诊器音频信号向量X中,由毛刺噪声时间点Ti’定位第i个毛刺噪声所在的位置,将(Ti’-0.01,Ti’+0.01)时刻内的音频数据选中,作为毛刺噪声向量Ni。
(6)对所有毛刺噪声向量Ni进行中值滤波处理,得到去除毛刺噪声的音频信号向量X’。
中值滤波处理是在听诊器音频信号向量X中对所有Ti’定位得到的噪声向量Ni进行中值滤波,即得到去除毛刺噪声的音频信号向量X’。
在使用时,本发明可用于对电子听诊器的心音或肺音数据的处理。例如读取一段时长15秒、采样率fs=8kHz,带有毛刺噪声的电子听诊器肺音向量X,其时域波形图如图2所示。
把听诊器肺音向量X以0.025s,帧长200,帧移80进行分帧处理,汉宁窗长度为200。15秒的数据长度分得1500帧。
计算各帧的短时能量值,建立短时能量向量E,并建立与之对应的时间向量T。所选音频数据计算得到的短时能量值如图3所示。
对比短时能量向量E中的值与短时能量阈值thr的大小关系,大于thr的短时能量值ei所对应的帧即为毛刺噪声所在的帧。记录下所有ei大于阈值thr的时间点Ti’,组成毛刺噪声时间点向量T’。
根据毛刺噪声时间向量T’,对肺音信号X中的毛刺噪声点依次进行定位。依次对每一个定位的毛刺噪声点前后各取0.01秒数据,作为毛刺噪声片段。对于第i个毛刺噪声点,毛刺噪声向量为Ni,长度为161。
如图4所示,依次对所有毛刺噪声向量N进行中值滤波,即可消除肺音信号中的毛刺噪声。
Claims (6)
1.一种电子听诊器的毛刺噪声消除方法,其特征在于,包括以下步骤:
(1)、获取时长为N的听诊器音频信号采样序列x(n),n=1,2,...,N,并将其表示为音频信号向量X;
(2)、对听诊器音频信号向量X进行分帧处理,其中,第i帧的音频信号为Xi,对第i帧信号进行短时能量值计算,得到第i帧信号的短时能量值ei,并记录与之对应的时间点ti,所有子帧的短时能量值组成短时能量向量E,所有时间点组成时间向量T;
(4)、对比短时能量序列E1中各帧短时能量值ei与短时能量阈值thr的大小关系,若ei≥thr,则该帧为毛刺噪声所在帧,记录ei对应的时间点Ti’,Ti’即为毛刺噪声点时刻;若ei<thr,继续下一帧短时能量对比直至所有帧对比完毕;对比完成之后,记录的n个时间点Ti’(i=1,2,…n)组成毛刺噪声时间点向量T’;
(5)、截取毛刺噪声片段:在听诊器音频信号向量X中,由毛刺噪声点时刻Ti’定位第i个毛刺噪声所在的位置,得到第i个时刻的毛刺噪声向量Ni;
(6)、对所有毛刺噪声向量Ni进行中值滤波处理,得到去除毛刺噪声的音频信号向量X’。
2.根据权利要求1所述的电子听诊器的毛刺噪声消除方法,其特征在于,所述步骤(1)中听诊器信号采样序列为电子听诊器采集的音频信号,通过蓝牙传送获得。
3.根据权利要求1所述的电子听诊器的毛刺噪声消除方法,其特征在于,所述步骤(2)中分帧处理为:根据设定的帧长L和帧移L/2,对采集的音频信号进行分帧处理。
6.根据权利要求1所述的电子听诊器的毛刺噪声消除方法,其特征在于,所述步骤(5)中在毛刺噪声点时刻Ti’定位第i个毛刺噪声所在的位置后,将(Ti’-0.01,Ti’+0.01)时刻内的音频数据选中,作为毛刺噪声向量Ni。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082463.7A CN112908291A (zh) | 2021-01-21 | 2021-01-21 | 一种电子听诊器的毛刺噪声消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110082463.7A CN112908291A (zh) | 2021-01-21 | 2021-01-21 | 一种电子听诊器的毛刺噪声消除方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112908291A true CN112908291A (zh) | 2021-06-04 |
Family
ID=76118035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110082463.7A Pending CN112908291A (zh) | 2021-01-21 | 2021-01-21 | 一种电子听诊器的毛刺噪声消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112908291A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11937971B2 (en) | 2022-07-22 | 2024-03-26 | Smartsound Corporation | Method for classifying disease using artificial intelligence and electronic apparatus therefor |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346095A (zh) * | 2018-10-10 | 2019-02-15 | 广州市讯飞樽鸿信息技术有限公司 | 一种心音端点检测方法 |
CN110010145A (zh) * | 2019-02-28 | 2019-07-12 | 广东工业大学 | 一种消除电子听诊器摩擦声的方法 |
-
2021
- 2021-01-21 CN CN202110082463.7A patent/CN112908291A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109346095A (zh) * | 2018-10-10 | 2019-02-15 | 广州市讯飞樽鸿信息技术有限公司 | 一种心音端点检测方法 |
CN110010145A (zh) * | 2019-02-28 | 2019-07-12 | 广东工业大学 | 一种消除电子听诊器摩擦声的方法 |
Non-Patent Citations (3)
Title |
---|
姜囡: "《语音信号识别技术与实践》", 31 December 2019 * |
育阳: "《机器学习智能诊断理论与应用》", 30 September 2020 * |
谈志军: "基于Android平台的心音听诊系统的研发", 《优秀硕士学位论文》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11937971B2 (en) | 2022-07-22 | 2024-03-26 | Smartsound Corporation | Method for classifying disease using artificial intelligence and electronic apparatus therefor |
JP7468948B2 (ja) | 2022-07-22 | 2024-04-16 | スマートサウンド・コーポレイション | 人工知能を用いた疾病分類方法およびそのための電子装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109907752B (zh) | 一种去除运动伪影干扰与心电特征检测的心电诊断与监护系统 | |
AU2007264203B2 (en) | Multi parametric classification of cardiovascular sound | |
Wang et al. | Phonocardiographic signal analysis method using a modified hidden Markov model | |
EP1744666A1 (en) | Non-invasive measurement of second heart sound components | |
CN106022258A (zh) | 数字听诊器与滤除心音提取肺音的方法 | |
CN109805954B (zh) | 一种电子听诊器的摩擦音干扰自动消除方法 | |
Pretorius et al. | Development of a pediatric cardiac computer aided auscultation decision support system | |
Lin et al. | Wheeze recognition based on 2D bilateral filtering of spectrogram | |
CN111317499A (zh) | 一种基于小波技术的心音信号处理方法 | |
Kolarik et al. | A low-cost device for fetal heart rate measurement | |
CN112908291A (zh) | 一种电子听诊器的毛刺噪声消除方法 | |
CN111329508A (zh) | 用于先心病筛查的心脏杂音智能分析方法 | |
Al-Naggar et al. | Performance of adaptive noise cancellation with normalized last-mean-square based on the signal-to-noise ratio of lung and heart sound separation | |
Amrulloh et al. | A novel method for wet/dry cough classification in pediatric population | |
Abeyratne et al. | Pitch-jitter analysis of snoring sounds for the diagnosis of sleep apnea | |
CN111938627B (zh) | 一种滤除心磁信号基线漂移的方法 | |
CN110010145B (zh) | 一种消除电子听诊器摩擦声的方法 | |
CN111248900A (zh) | 一种基于单通道心脑信息耦合分析方法及系统 | |
CN111528900A (zh) | 基于巴特沃斯滤波器与香农熵法的心音分段方法和装置 | |
WO2018176919A1 (zh) | 爆裂音识别方法及系统 | |
Golpaygani et al. | Detection and identification of S1 and S2 heart sounds using wavelet decomposition method | |
CN215349053U (zh) | 一种先天性心脏病智能筛查机器人 | |
Yue et al. | Time-frequency analysis of heart sounds in telemedicine consulting system for auscultation | |
Pariaszewska et al. | Digital stethoscope system: the feasibility of cardiac auscultation | |
CN212853501U (zh) | 心音信号采集分析系统 |
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: 20210604 |