CN112957029A - 一种基于短时能量的肺音吸呼比和呼吸频率计算方法 - Google Patents
一种基于短时能量的肺音吸呼比和呼吸频率计算方法 Download PDFInfo
- Publication number
- CN112957029A CN112957029A CN202110146120.2A CN202110146120A CN112957029A CN 112957029 A CN112957029 A CN 112957029A CN 202110146120 A CN202110146120 A CN 202110146120A CN 112957029 A CN112957029 A CN 112957029A
- Authority
- CN
- China
- Prior art keywords
- short
- vector
- time energy
- interval
- value
- 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
- 208000037656 Respiratory Sounds Diseases 0.000 title claims abstract description 55
- 230000029058 respiratory gaseous exchange Effects 0.000 title claims abstract description 14
- 230000036391 respiratory frequency Effects 0.000 title claims abstract description 10
- 238000004364 calculation method Methods 0.000 title claims description 12
- 230000005236 sound signal Effects 0.000 claims abstract description 48
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000036387 respiratory rate Effects 0.000 claims abstract description 14
- 238000009432 framing Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 10
- 230000035565 breathing frequency Effects 0.000 claims abstract description 9
- 230000003434 inspiratory effect Effects 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 230000008030 elimination Effects 0.000 claims description 10
- 238000003379 elimination reaction Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- 230000037433 frameshift Effects 0.000 claims description 3
- 208000023504 respiratory system disease Diseases 0.000 description 3
- 238000002555 auscultation Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000002345 respiratory system Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- 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
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Speech or voice signal processing techniques to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Public Health (AREA)
- Pulmonology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Computational Linguistics (AREA)
- Signal Processing (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Physiology (AREA)
- Biophysics (AREA)
- Pathology (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短时能量的肺音吸呼比和呼吸频率计算方法,包括以下步骤:(1)获取电子听诊器的肺音信号向量X;(2)对肺音信号向量X进行预处理;(3)对预处理后的肺音信号向量X进行归一化处理,得到向量X1;(4)对向量X1进行音频信号分帧处理;(5)计算各子帧的短时能量值e(i),得到与时间相对应的短时能量向量E;(6)对短时能量向量E进行样条插值;(7)设置合适的阈值th,划分吸气间期yxq(i)和呼气间期yhq(i),得到该段时间内的吸气间期向量Yxq和呼气间期向量Yhq;(8)计算吸气间期向量Yxq和呼气间期向量Yhq的平均值和得到吸呼比数值Ra和呼吸频率数值Fr。本发明能够根据肺音信号计算吸呼比和呼吸频率,方法简单,高效便捷。
Description
技术领域
本发明涉及生物医学信号处理领域,具体涉及一种基于短时能量的肺音吸呼比和呼吸频率计算方法。
背景技术
近年来,由于历史工业发展的遗留问题,空气污染一直存在。因环境问题导致呼吸系统疾病的发病率也越来越高,肺部又是呼吸系统疾病诊断的关键。
目前,临床上大量的呼吸系统疾病都需要通过呼吸音来诊断。呼吸音信号是人体重要的生理信号之一,它是由正常人呼吸时,气流通过呼吸道和肺泡,产生湍流引起振动而产生。随着国内外电子听诊设备的研究与发展,为呼吸音的定量分析与呼吸音信号的特征值提取提供了便利。
常规吸呼比和呼吸频率的计算多采用肺功能测试仪,在病人病情不严重,或不方便去医院的情况下,采用电子听诊器进行远程辅助监测既操作简单又节省了病人开销。因此,可以开发一种计算吸呼比和呼吸频率的新方法,能更好的利用电子听诊器采集的呼吸音数据,为临床诊断提供更多的生理参数信息。
发明内容
本发明的目的是提供一种基于短时能量的肺音吸呼比和呼吸频率计算方法,能够根据肺音信号计算吸呼比和呼吸频率,方法简单,高效便捷。
为实现上述目的,本发明采用的技术方案是:一种基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,包括以下步骤:
(1)、获取电子听诊器的肺音信号向量X;
(2)、对肺音信号向量X进行预处理;
(3)、对预处理后的肺音信号向量X进行归一化处理,得到向量X1;
(4)、对向量X1进行音频信号分帧处理;
(5)、计算各子帧的短时能量值e(i),得到与时间相对应的短时能量向量E;
(6)、对短时能量向量E进行样条插值;
(7)、对短时能量向量E进行峰值检测,检测出短时能量向量E的峰值点,然后设置合适的阈值th,划分吸气间期yxq(i)和呼气间期yhq(i),得到该段时间内的吸气间期向量Yxq和呼气间期向量Yhq;
进一步地,所述步骤(1)中肺音信号向量X为电子听诊器采集的数字音频信号向量X。
进一步地,所述步骤(2)中预处理包括带通滤波、毛刺噪声消除、低频噪声消除、高频噪声消除。
进一步地,所述步骤(3)中归一化处理为对肺音信号数字信号向量X的第i值x(i)归一化的值v为:
v=x(i)/max(abs(x)) (1)。
进一步地,所述步骤(4)中音频信号分帧处理为:根据设定的帧长l和帧移l/2,对采集的肺音信号进行分帧处理,分帧之后第i帧的肺音信号为Yi。
进一步地,所述步骤(5)中计算各子帧的短时能量值e(i),每个子帧的短时能量为该子帧所有采样点的平方和,第i帧的肺音信号Yi的短时能量e(i)为:
其中l为帧长,计算完成之后,将该子帧的短时能量值e(i)与该子帧的时间t(i)相对应,生成短时能量向量E。
进一步地,所述步骤(6)中样条插值的次数为3次,降低短时能量向量E的稀疏度,减小吸气和呼气间期选取的误差。
进一步地,所述步骤(7)中划分吸气间期yxq(i)和呼气间期yhq(i)的方法为:比较短时能量值e(i)与阈值th的大小,若一段时间内的短时能量值e(i)大于阈值th,则认为该间期为吸气间期yxq(i),若一段时间内的短时能量值e(i)小于阈值th,则认为该间期为呼气间期yhq(i),再分别将两个间期的值组成吸气间期向量Yxq和呼气间期向量Yhq。
本发明具有的优点是:
本发明提供的基于短时能量的肺音吸呼比和呼吸频率计算方法,通过对电子听诊器采集的肺音信号进行特征提取,根据吸气阶段和呼气阶段的短时能量差异来区分吸气间期和呼气间期,进而计算吸呼比和呼吸频率。本方法计算简单高效,适用于远程听诊系统。
本发明能够根据肺音信号计算吸呼比和呼吸频率,能更好的利用电子听诊器采集的呼吸音数据,为临床诊断提供更多的生理参数信息。
附图说明
图1为本发明吸呼比和呼吸频率计算方法的流程图;
图2为本发明实施例中毛刺信号消除算法的流程图;
图3为本发明实施例中所选音频信号片段的波形图;
图4为本发明实施例中所选音频的短时能量图。
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,本发明公开了一种基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,包括以下步骤:
(1)、获取电子听诊器的肺音信号向量X,肺音信号向量X为电子听诊器采集的数字音频信号向量X,如图3所示。
(2)、对肺音信号向量X进行预处理,预处理包括带通滤波、毛刺噪声消除、低频噪声消除、高频噪声消除。选用巴特沃斯带通滤波器滤波,过滤掉25Hz和高于400Hz的部分。同时采集的肺音信号因听诊器与皮肤接触不可避免的引入摩擦噪声,摩擦噪声在时域信号上表现为高尖的毛刺信号,其幅值经常高于肺音信号。为避免引入误差,需对肺音信号进行毛刺噪声消除。如图2所示,毛刺噪声消除过程如下:
(a)将肺音信号按0.5秒窗宽进行等间距分割,所选数据采样率为8000Hz,每个窗内有4000个采样点;
(b)对窗内采样点取绝对值,计算出该窗口内绝对幅值Ave的平均值并找出最大绝对幅值fmax;
(c)若当前窗口的最大绝对幅值fmax超过绝对幅值平均值Ave的三倍,该点即为毛刺噪声点,执行步骤(d),若不满足跳转至步骤(e);
(d)该点之前最后的过零点为毛刺噪声的开始点,该点之后的第一个过零点为毛刺噪声的结束点,对毛刺噪声区间内的信号进行平滑滤波。
(e)预处理结束,进行下一步处理。
(3)、对预处理后的肺音信号向量X进行归一化处理,得到向量X1;归一化处理为对肺音信号数字信号向量X的第i值x(i)归一化的值v为:
v=x(i)/max(abs(x)) (1)。
(4)、对向量X1进行音频信号分帧处理,音频信号分帧处理为:根据帧长l为512和帧移l/2为256,各子帧之间相互重叠256点的数据长度,对采集的肺音信号进行分帧处理,分帧之后第i帧的肺音信号为Yi。
(5)、计算各子帧的短时能量值e(i),每个子帧的短时能量为该子帧所有采样点的平方和,第i帧的肺音信号Yi的短时能量e(i)为:
其中l为帧长,计算完成之后,将该子帧的短时能量值e(i)与该子帧的时间t(i)相对应,生成短时能量向量E,如图4所示。
(6)、对短时能量向量E进行3次样条插值,降低短时能量向量E的稀疏度。
(7)、对短时能量向量E进行峰值检测,检测出短时能量向量E的峰值点,然后设置合适的阈值th,此处的阈值th根据短时能量向量E的峰值点来确定,具体可以设置为:(短时能量向量E的峰值点的平均值)/5;划分吸气间期yxq(i)和呼气间期yhq(i),得到该段时间内的吸气间期向量Yxq和呼气间期向量Yhq。比较短时能量值e(i)与阈值th的大小,若一段时间内的短时能量值e(i)大于阈值th,则认为该间期为吸气间期yxq(i),若一段时间内的短时能量值e(i)小于阈值th,则认为该间期为呼气间期yhq(i),再分别将两个间期的值组成吸气间期向量Yxq和呼气间期向量Yhq。
Claims (8)
1.一种基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,包括以下步骤:
(1)、获取电子听诊器的肺音信号向量X;
(2)、对肺音信号向量X进行预处理;
(3)、对预处理后的肺音信号向量X进行归一化处理,得到向量X1;
(4)、对向量X1进行音频信号分帧处理;
(5)、计算各子帧的短时能量值e(i),得到与时间相对应的短时能量向量E;
(6)、对短时能量向量E进行样条插值;
(7)、对短时能量向量E进行峰值检测,检测出短时能量向量E的峰值点,然后设置合适的阈值th,划分吸气间期yxq(i)和呼气间期yhq(i),得到该段时间内的吸气间期向量Yxq和呼气间期向量Yhq;
2.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(1)中肺音信号向量X为电子听诊器采集的数字音频信号向量X。
3.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(2)中预处理包括带通滤波、毛刺噪声消除、低频噪声消除、高频噪声消除。
4.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(3)中归一化处理为对肺音信号数字信号向量X的第i值x(i)归一化的值v为:
v=x(i)/max(abs(x)) (1)。
5.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(4)中音频信号分帧处理为:根据设定的帧长l和帧移l/2,对采集的肺音信号进行分帧处理,分帧之后第i帧的肺音信号为Yi。
7.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(6)中样条插值的次数为3次。
8.根据权利要求1所述的基于短时能量的肺音吸呼比和呼吸频率计算方法,其特征在于,所述步骤(7)中划分吸气间期yxq(i)和呼气间期yhq(i)的方法为:比较短时能量值e(i)与阈值th的大小,若一段时间内的短时能量值e(i)大于阈值th,则认为该间期为吸气间期yxq(i),若一段时间内的短时能量值e(i)小于阈值th,则认为该间期为呼气间期yhq(i),再分别将两个间期的值组成吸气间期向量Yxq和呼气间期向量Yhq。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110146120.2A CN112957029A (zh) | 2021-02-02 | 2021-02-02 | 一种基于短时能量的肺音吸呼比和呼吸频率计算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110146120.2A CN112957029A (zh) | 2021-02-02 | 2021-02-02 | 一种基于短时能量的肺音吸呼比和呼吸频率计算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112957029A true CN112957029A (zh) | 2021-06-15 |
Family
ID=76272063
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110146120.2A Pending CN112957029A (zh) | 2021-02-02 | 2021-02-02 | 一种基于短时能量的肺音吸呼比和呼吸频率计算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112957029A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104873173A (zh) * | 2015-05-19 | 2015-09-02 | 上海兆观信息科技有限公司 | 一种非接触式的睡眠分期和睡眠呼吸障碍检测方法 |
CN110115592A (zh) * | 2018-02-07 | 2019-08-13 | 英飞凌科技股份有限公司 | 使用毫米波雷达传感器确定人的参与水平的系统和方法 |
CN110491504A (zh) * | 2019-08-22 | 2019-11-22 | 北京蓝卫通科技有限公司 | 一种心音信号医学指标数据的获取方法 |
CN110811673A (zh) * | 2018-08-13 | 2020-02-21 | 史沛然 | 基于概率神经网络模型的心音分析系统 |
-
2021
- 2021-02-02 CN CN202110146120.2A patent/CN112957029A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104873173A (zh) * | 2015-05-19 | 2015-09-02 | 上海兆观信息科技有限公司 | 一种非接触式的睡眠分期和睡眠呼吸障碍检测方法 |
CN110115592A (zh) * | 2018-02-07 | 2019-08-13 | 英飞凌科技股份有限公司 | 使用毫米波雷达传感器确定人的参与水平的系统和方法 |
CN110811673A (zh) * | 2018-08-13 | 2020-02-21 | 史沛然 | 基于概率神经网络模型的心音分析系统 |
CN110491504A (zh) * | 2019-08-22 | 2019-11-22 | 北京蓝卫通科技有限公司 | 一种心音信号医学指标数据的获取方法 |
Non-Patent Citations (2)
Title |
---|
仇克成: "基于Android 跑步运动监测系统的研究", 《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》 * |
邓一术: "基于噪声监测网络的心音分类方法研究", 《中国优秀博硕士学位论文全文数据库 医药卫生科技辑》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5090155B2 (ja) | 呼吸速度、心拍速度、及び無呼吸に関する非侵襲性モニタリング | |
US20080243017A1 (en) | Breathing sound analysis for estimation of airlow rate | |
US6261238B1 (en) | Phonopneumograph system | |
CN110477906B (zh) | 一种心电信号qrs波起止点定位方法 | |
KR20160035120A (ko) | 마이크로폰을 이용한 호흡률 추정 장치 및 기법 | |
Lin et al. | Wheeze recognition based on 2D bilateral filtering of spectrogram | |
Azam et al. | Smartphone based human breath analysis from respiratory sounds | |
US20110295139A1 (en) | Method and system for reliable respiration parameter estimation from acoustic physiological signal | |
WO2012133930A1 (en) | Respiration analysis using acoustic signal trends | |
Min et al. | A localization method for first and second heart sounds based on energy detection and interval regulation | |
US11944464B2 (en) | Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an EMG signal | |
CN112957029A (zh) | 一种基于短时能量的肺音吸呼比和呼吸频率计算方法 | |
CN112908291A (zh) | 一种电子听诊器的毛刺噪声消除方法 | |
CN104605886A (zh) | 喘鸣音检测装置和方法 | |
CA2584258A1 (en) | Breathing sound analysis for estimation of airflow rate | |
TWI812285B (zh) | 基於心跳間隔訊號與自迴歸移動平均模型之呼吸暫停事件偵測方法 | |
WO2023115483A1 (zh) | 一种心肺复苏的按压检测方法、装置以及存储介质 | |
Mondal et al. | Diagnosing of the lungs status using morphological anomalies of the signals in transformed domain | |
Zhang et al. | Noise removal of tracheal sound recorded during CPET to determine respiratory rate | |
Pal et al. | Automatic breathing phase identification based on the second derivative of the recorded lung sounds | |
CN114580477A (zh) | 一种基于多时间序列融合的可穿戴动态呼吸率估测系统 | |
Moussavi | Current Research in Respiratory Acoustics | |
CN111523487A (zh) | 一种生理音的预处理及自动标注方法 | |
Terblanche et al. | Estimation of heart rate from an apnoea detection device using matched filtering | |
CA2717270A1 (en) | Sleep apnea monitoring and diagnosis based on pulse oximetery and tracheal sound signals |
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: 20210615 |
|
RJ01 | Rejection of invention patent application after publication |