CN114305482A - 肺音分割的处理方法、装置、电子设备与存储介质 - Google Patents
肺音分割的处理方法、装置、电子设备与存储介质 Download PDFInfo
- Publication number
- CN114305482A CN114305482A CN202111644549.0A CN202111644549A CN114305482A CN 114305482 A CN114305482 A CN 114305482A CN 202111644549 A CN202111644549 A CN 202111644549A CN 114305482 A CN114305482 A CN 114305482A
- Authority
- CN
- China
- Prior art keywords
- relative distance
- lung sound
- distance information
- phase signal
- information
- 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 181
- 230000011218 segmentation Effects 0.000 title claims abstract description 61
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 230000005236 sound signal Effects 0.000 claims abstract description 129
- 238000000034 method Methods 0.000 claims abstract description 107
- 230000008569 process Effects 0.000 claims abstract description 59
- 230000008859 change Effects 0.000 claims abstract description 49
- 230000029058 respiratory gaseous exchange Effects 0.000 claims abstract description 37
- 230000003287 optical effect Effects 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 44
- 238000001514 detection method Methods 0.000 claims description 28
- 230000003434 inspiratory effect Effects 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000002555 auscultation Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 210000000038 chest Anatomy 0.000 description 24
- 238000010586 diagram Methods 0.000 description 7
- 239000000835 fiber Substances 0.000 description 6
- 230000000712 assembly Effects 0.000 description 5
- 238000000429 assembly Methods 0.000 description 5
- 210000004072 lung Anatomy 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种肺音分割的处理方法、装置、电子设备与存储介质,所述处理方法,包括:采集目标人体呼吸过程中的肺音信号;对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
Description
技术领域
本发明涉及医疗领域,尤其涉及一种肺音分割的处理方法、装置、电子设备与存储介质。
背景技术
肺音是反映肺部生理和病理特性的一项重要指标,目前听诊器已成为广大临床医师进行肺音检测的最常用的诊断工具。听诊受限于医生本身的听觉状况、从医经验等因素,判断结果有失客观性。
肺音识别即从肺音中提取特征并基于所提取的特征对患者的情况进行分析处理,为了实现特征提取,通常需要对肺音信号进行分割,从而分割出其中呼气相信号段与吸气相位信号段。
现有相关技术中,通常通过人工方式实现针对肺音信号的分割,例如专业医护人员使用肺音人工标注软件,通过回放的方式听肺音信号的音频材料之后,可基于听到的音频材料,对肺音信号进行分割,可见,该过程中,分割效率低下,且准确性难以得到保障。
发明内容
本发明提供一种肺音分割的处理方法、装置、设备与介质,以解决难以实现自动分割对应于呼气相和吸气相的信号段的问题。
根据本发明的第一方面,提供了一种肺音分割的处理方法,包括:
采集目标人体呼吸过程中的肺音信号;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
可选的,至少一个目标位置点位于所述目标人体的前胸,至少一个目标位置点位于所述目标人体的后背。
可选的,基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中确定吸气相信号段与呼气相信号段,包括:
查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段。
所述第一相对距离信息为对应周期内的最大相对距离信息,所述第二相对距离信息为对应周期内的最小相对距离信息;
可选的,查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段,包括:
分别确定每个周期对应的相对距离变化范围,所述相对距离变化范围包括对应周期内按照时间顺序排列的相对距离信息;
查找各个相对距离变化范围内的最大相对距离信息与最小相对距离信息,并确定所述最大相对距离信息的第一时刻,所述最小相对距离信息的第二时刻;
基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段。
可选的,基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段,包括:
在各个周期中的第一时刻位于第二时刻之前的情况下:确定所述肺音信号中自任一周期的第一时刻至所述任一周期内的第二时刻之间的信号段为所述呼气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第二时刻至后一周期的第一时刻之间的信号段为吸气相信号段;
或者:
在各个周期中的第二时刻位于第一时刻之前的情况下:确定所述肺音信号中自任一周期的第二时刻至所述任一周期内的第一时刻之间的信号段为所述吸气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第一时刻至后一周期的第二时刻之间的信号段为呼气相信号段。
可选的,用于获取所述相对距离信息的检测设备为磁追踪定位组件,所述磁追踪定位组件包括:定位芯片与磁追踪定位设备,每个定位芯片设于对应的一个目标位置点;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息,包括:
分别确定所述定位芯片所对应的磁追踪位置信息,所述磁追踪位置信息表征了所述定位芯片在所述磁追踪定位设备的磁追踪坐标系下的位置;
基于每个定位芯片采集到的磁追踪位置信息,将计算得到的所述磁追踪坐标系下对应定位芯片之间的距离作为所述相对距离信息。
可选的,用于获取所述相对距离信息的检测设备为光学追踪定位组件,所述光学追踪定位组件包括:定位设备与定位工具,每一个目标位置点对应一个特定光学追踪定位组件;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息,包括:
利用特定光学追踪定位组件,分别确定任一目标位置点的特定位姿信息,所述特定位置信息用于表征所述任一目标位置点相对于相应的特定光学追踪定位组件所含的定位设备的位姿;
基于所述至少两个目标位置点的特定位置信息,计算各目标位置点之间的所述相对距离信息。
可选的,所述检测设备为形状传感器;所述形状传感器被配置为能够检测出所述目标人体表面包含所述目标位置点的指定区域中多个部位的曲率信息;
利用检测设备检测所述呼吸过程中所述目标人体的两个目标位置点间的相对距离信息,包括:
获取所述形状传感器检测到的曲率信息;
基于所述曲率信息,在指定坐标系下重建出所述指定区域中经过所述两个目标位置点的弯曲部,所述弯曲部为曲线或曲面;
计算所述指定坐标系下所述弯曲部中所述两个目标位置点之间的距离作为所述相对距离信息。
根据本发明的第二方面,提供了一种基于肺音分割结果的处理方法,包括:
获取经第一方面及其可选方案涉及的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
根据本发明的第三方面,提供了一种基于肺音分割结果的处理方法,包括:
分别提取训练样本集合中各个肺音信号样本的样本特征,所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经第一方面及其可选方案的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
根据本发明的第四方面,提供了一种肺音分割的处理装置,包括:
肺音采集模块,用于采集目标人体呼吸过程中的肺音信号;
距离检测模块,用于对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
分割模块,用于基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
根据本发明的第五方面,提供了一种基于肺音分割结果的处理装置,包括:
获取模块,用于获取经第一方面及其可选方案涉及的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
特征提取模块,用于基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
分类模块,用于将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
根据本发明的第六方面,提供了一种基于肺音分割结果的处理装置,包括:
提取单元,用于分别提取训练样本集合中各个肺音信号样本的样本特征,所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经第一方面及其可选方案涉及的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
样本预测单元,用于将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
调整单元,用于根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
根据本发明的第七方面,提供了一种肺音信号处理系统,包括数据处理部、听诊设备与检测设备,所述数据处理部用于执行第一方面、第二方面、第三方面中任意之一的处理方法,所述肺音信号是所述听诊设备采集到的,所述相对距离信息是所述检测设备检测到的。
根据本发明的第八方面,提供了一种电子设备,包括处理器与存储器,
所述存储器,用于存储代码;
所述处理器,用于执行所述存储器中的代码用以实现第一方面、第二方面、第三方面中任意之一的方法。
根据本发明的第九方面,提供了一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现第一方面、第二方面、第三方面中任意之一的方法。
本发明提供的肺音分割的处理方法、装置、电子设备与存储介质中,在呼吸过程中,既采集肺音信号,又检测目标人体的目标位置点之间的相对距离信息,由于人体呼吸时胸部的扩张、收缩会导致相对距离信息的变化,故而,基于相对距离信息的变化,可以为吸气相信号段、呼气相信号段的自动分割提供充分、准确的依据。相较于手动分割的方案,本发明可有效提高分割效率,提升了吸气相信号段和呼气相信号段分割的准确性,实现了智能听诊。
其中,由于目标位置点为人体的位置点,两者之间的相对距离信息不会目标人体位姿的变化而发生显著变化,进而,可避免目标人体的位姿变化对肺音信号分割结果的影响,保障准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一示例性的实施例中肺音信号处理系统的构造示意图;
图2是本发明一示例性的实施例中磁追踪定位组件的构造示意图;
图3是本发明一示例性的实施例中光学追踪定位组件的构造示意图;
图4是本发明一示例性的实施例中肺音分割的处理方法的流程示意图;
图5是本发明一示例性的实施例中肺音信号的示意图;
图6a是本发明一示例性的实施例中一个目标位置点的位置随时间变化的示意图;
图6b是本发明一示例性的实施例中另一个目标位置点的位置随时间变化的示意图;
图6c是本发明一示例性的实施例中相对距离信息随时间变化的示意图;
图6d是本发明一示例性的实施例中标准化处理后的相对距离信息随时间变化的示意图;
图6e是本发明一示例性的实施例中标准化处理与平滑处理后的相对距离信息随时间变化的示意图;
图7是本发明一示例性的实施例中分割后的肺音信号的示意图;
图8是本发明一示例性的实施例中确定呼气相信号段、吸气相信号段的流程示意图;
图9是本发明一示例性的实施例中用于分类的基于肺音分割结果的处理方法的流程示意图;
图10是本发明一示例性的实施例中用于训练分类器的基于肺音分割结果的处理方法的流程示意图;
图11是本发明一示例性的实施例中肺音分割的处理装置的程序模块示意图;
图12是本发明一示例性的实施例中用于分类的基于肺音分割结果的处理装置的程序模块示意图;
图13是本发明一示例性的实施例中用于训练分类器的基于肺音分割结果的处理装置的程序模块示意图;
图14是本发明一示例性的实施例中电子设备的构造示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例不再赘述。
请参考图1,本发明实施例提供了一种肺音信号处理系统,包括数据处理部101、听诊设备102与检测设备103。
其中的数据处理部101,可以为具备数据处理能力的任意设备或设备的组合。例如可以为计算机、终端、服务器等。数据处理部101可用于执行本发明实施例提供的肺音分割的处理方法,部分方案中,也可用于执行基于肺音分割结果的处理方法。
听诊设备102,可理解为能够采集到人体的肺音信号的任意设备,在采集的过程中,部分举例中,还可对采集到的肺音信号进行滤波、放大等处理,此外,听诊设备所采集到的肺音信号可以声音信号、信号波形等任意形式而被获取、处理。
检测设备103,可理解为能够对目标人体中至少两个目标位置点间的相对距离进行检测的任意设备,所检测到的信息可以是呈周期性变化的相对距离信息;
其中周期性变化具体可以指:各周期间的周期长度、相对距离信息的幅值、相对距离信息的变化速度等相同的一种周期性变化(可理解为标准的周期性变化),也可以指各周期间的周期长度、相对距离信息的幅值、相对距离信息的变化速度等相近但不完全相同的一种周期性变化(可理解为近似于标准的周期性变化)。
数据处理部101与听诊设备102之间,可实现直接或间接的通信,检测设备103与数据处理部101之间,也可实现直接或间接的通信。在听诊设备102开始采集肺音信号的同时,可控制检测设备103开始检测相对距离信息,实现肺音信号与相对距离信息的同时记录。
一种实施方式中,至少一个目标位置点位于所述目标人体的前胸,至少一个目标位置点位于所述目标人体的后背。相对距离信息具体可以为前胸的目标位置点与后背的目标位置点之间的距离。
例如,前胸可设置一个目标位置点,后背可设置一个目标位置点,进而,该两个目标位置点间的距离可理解为检测设备103所需检测的相对距离信息;
再例如,前胸可设置N个目标位置点,后背可设置N个目标位置点,其中,N为大于或等于2的正整数,且前胸的每个目标位置点与后背的一个目标位置点呈对,进而,呈对的两个目标位置点间的距离可理解为检测设备103所需检测的相对距离信息;
前胸与后背所设置的目标位置点的数量也可以是不同的,例如,前胸可以设置两个目标位置点,后背可设置一个目标位置点,对应可计算出后背的目标位置点相对于前胸的两个目标位置点的距离作为两组相对距离信息。
其他实施方式中,一个目标位置点设于前胸的情况下,其他目标位置点也可设于侧身或前胸,只要经测试目标位置点间的距离能体现出呼吸时目标人体的胸腔的变化,就不脱离本发明实施例的范围。
其中一种实施方式中,请参考图2,用于获取所述相对距离信息的检测设备为磁追踪定位组件200,所述磁追踪定位组件200包括:定位芯片201与磁追踪定位设备202。
每个定位芯片201设于对应的一个目标位置点,磁追踪定位设备202可产生磁场,定位芯片201位于该磁场中,进而,感应于磁场,定位芯片201在磁场坐标系中的位态可被确定,该磁场坐标系可理解为以磁追踪定位设备202为基准的一个坐标系。在应用于对目标位置点进行定位时,可仅使用磁追踪定位组件所检测到的位姿中的位置(即磁追踪位置信息),进而,利用定位芯片的磁追踪位置信息表征出对应目标位置点的位置。
采用磁追踪定位组件的情况下,可具有无接触,追踪媒介为磁,不会受物体遮挡,定位目标小等优点。
另一实施方式中,请参考图3,用于获取所述相对距离信息的检测设备为光学追踪定位组件300,所述光学追踪定位组件300包括:定位设备301(例如光学镜头)与定位工具302。该定位设备301可发出光,光到达光学工具302后,定位设备可追踪定位工具的位姿。
每一个目标位置点对应一个特定光学追踪定位组件;例如,特定光学追踪定位组件的定位工具可直接或间接设于目标位置点。在应用于对目标位置点进行定位时,可仅使用特定光学追踪定位组件所检测到的位姿中的位置(即特定位置信息),进而,基于定位芯片的特定位置信息间的距离,可作为对应目标位置点之间的相对距离信息。
其中,由于光学追踪定位组件所测得的位姿是以对应定位设备为基准的光学坐标系下的位姿,然而,若目标位置点分布于前胸与后背,那么,由于身体的遮挡,若一个定位设备用于追踪定位前胸的定位工具,则该定位设备无法追踪定位后背的定位工具,若一个定位设备用于追踪定位后背的定位工具,则该定位设备无法追踪定位前胸的定位工具。所以,不得不采用多个光学定位组件进行定位,进而,不同光学追踪定位组件所测得的位姿是在不同光学坐标系下的。
针对于此,在检测目标位置点的特定位置信息之前,可预先对不同光学追踪定位组件的光学坐标系进行校准,标定出不同光学坐标系之间的转换关系。
一种举例中,以两个光学追踪定位组件的光学坐标系(可例如为第一光学坐标系与第二光学坐标系)的校准为例,可在摆放好两个光学追踪定位组件的定位设备之后,在之间的视场范围内放置一个定位工具。
然后,可以读取定位工具相对于第一光学坐标系的位姿(也可理解为定位工具相对于第一光学坐标系所属定位设备的位姿),其可表征为定位工具的工具坐标系相对于第一光学坐标系的位姿变换矩阵T1;
基于同样的处理过程,可得到定位工具相对于第二光学坐标系的位姿(也可理解为定位工具相对于第二光学坐标系所属定位设备的位姿),其可表征为定位功能根据的工具坐标系相对于第二光学坐标系的位姿变换矩阵T2,则第一光学坐标系相对于第二光学坐标系位姿变换矩阵T为:T=T2T1 -1,基于此,可将光学追踪定位组件检测到的位置信息转换到同一光学坐标系下,并在该光学坐标系下实现相对距离信息的计算。
再一实施方式中,用于获取所述相对距离信息的检测设备为形状传感器(例如光纤光栅传感器),所述形状传感器被配置为能够检测出所述目标人体表面包含所述目标位置点的指定区域中多个部位的曲率信息,基于该曲率信息,数据处理部可在指定坐标系下重建出所述指定区域中经过所述两个目标位置点的弯曲部,所述弯曲部为曲线或曲面,然后,可计算出所述弯曲部中所述两个目标位置点之间的距离作为所述相对距离信息。
一种举例中,形状传感器可以为光纤光栅传感器,光纤光栅传感器中可设置有光栅点,该光栅点也可视作信息传感器,在使用光纤光栅传感器时,可将光栅点设置于目标位置点,进而,在重构出曲线或曲面后,可基于光栅点在光纤光栅传感器的位置,定位出光栅点在曲线或曲面中的位置,计算出光栅点间的距离可用于作为对应目标位置点间的相对距离信息。
其他实施方式中,也可通过加速度传感器对目标位置点的运动加速度进行检测,进而基于检测结果推算出目标位置点的位置,并基于推算出的位置计算相对距离信息。
请参考图4,本发明实施例提供了一种肺音分割的处理方法,包括:
S401:采集目标人体呼吸过程中的肺音信号;
其中,对肺音信号的采集手段,可参照图1所示实施例中听诊设备采集肺音信号的过程的相关描述理解;
一种举例的肺音信号可例如图5所示,其中的横坐标表示时间,以秒为单位,纵坐标表示肺音信号的信号幅值;
S402:对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
其中的相对距离信息,以及对相对距离信息的检测手段,可参照图1、图2、图3所示实施例中的相关描述理解;
一种实施方式中,若采用图2所示的磁追踪定位组件检测相对距离信息,则步骤S402可以包括:
分别确定所述定位芯片所对应的磁追踪位置信息,并基于每个定位芯片采集到的磁追踪位置信息,将计算得到的所述磁追踪坐标系下对应定位芯片之间的距离作为所述相对距离信息;
一种举例中,以前胸、后背分别设置一个目标位置点为例,随着呼吸律动,目标位置点的位置会发生变化,针对贴在背部的定位芯片a,贴在胸腔表面的定位芯片b,在任意时刻假设磁追踪定位设备检测到的定位芯片a的位姿中的磁追踪位置信息为(x1,y1,z1),定位芯片b的位姿中的磁追踪位置信息为(x2,y2,z2),则定位芯片b与定位芯片a的距离d具体为:
该距离d即可作为两个目标位置点之间的相对距离信息;
另一实施方式中,若采用图3所示的光学追踪定位组件作为特定光学追踪定位组件,则步骤S302可以包括:
利用特定光学追踪定位组件,分别确定任一目标位置点的特定位姿信息,并基于所述至少两个目标位置点的特定位置信息,计算各目标位置点之间的所述相对距离信息;
一种举例中,以前胸与后背分别设置一个目标位置点为例,在图3所示实施例中的校准过程完成后,移除定位工具,并在人身体胸部和背部各固定一个定位工具后,假设胸部的定位工具相对于对应的定位设备(即第一光学坐标系)的位置为P1,背部的定位工具相对于对应的定位设备(即第二光学坐标系)的位置为P2,则,基于已标定好的第一光学坐标系相对于第二光学坐标系位姿变换矩阵T,P1和P2之间的距离d为:
d=|TP1-P2|
该距离d即可作为两个目标位置点之间的相对距离信息;
再一实施方式中,步骤S403中,也可基于形状传感器(例如光纤光栅传感器)而检测到相应的相对距离信息;
若前胸与后背分别设有一个目标位置点,一种举例中,所测得的一个目标位置点的位置信息可以图6a所示的曲线体现,所测得的另一个目标位置点的位置信息可以图6b所示的曲线体现,在图6a、图6b所示的曲线中,最上侧的曲线为所测得的位置信息中的Y轴坐标,中间的曲线为所测得的位置信息中的Z轴坐标,最下侧的曲线为所测得的位置信息中的X轴坐标;其中的横坐标表示时间,纵坐标表示坐标值。对应的,相对距离信息可例如图6c所示,其中的横坐标表示时间,纵坐标表示相对距离信息;
部分举例中,为便于后续处理,可对相对距离信息进行标准化处理和平滑处理,进而,步骤S402所得到的相对距离信息,步骤S403所使用的相对距离信息,可以为标准化处理和平滑处理后的相对距离信息,标准化处理后的相对距离信息可例如图6d所示,其中的横坐标表示时间,纵坐标表示标准化处理后的相对距离信息,平滑处理后的相对距离信息可例如图6e所示,其中的横坐标表示时间,纵坐标表示标准化处理和平滑处理后的相对距离信息;应用于步骤S403的相对距离信息,可以为标准化处理和平滑处理后的相对距离信息;进而,相对距离信息的变化,可体现为标准化处理和平滑处理后的相对距离信息的变化;
S403:基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;
所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
其中一种实施方式中,步骤S403可以包括:查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段。
其中的预设条件,可以为:能够令第一相对距离信息、第二相对距离信息体现出肺音信号周期性变化的幅值的任意条件,
一种举例中,所述第一相对距离信息为对应周期内的最大相对距离信息,所述第二相对距离信息为对应周期内的最小相对距离信息,进而可针对例如图6c、图6d、图6e所示的相对距离信息划分不同周期,然后在所划分的每个周期中找到该周期中的最大相对距离信息、最小相对距离信息,其中所找到的最大相对距离信息、最小相对距离信息可例如图6c所圈出的波形顶部的波形点与波形底部的波形点;
其他举例中,也可在不针对相对距离信息划分周期的情况下,找到肺音信号周期性变化的幅值(也可视作每个周期的最大相对距离信息、最小相对距离信息),例如可针对图6e所示曲线,通过求曲线导数、曲率等方式,找到相对距离信息的波形的拐点处的相对距离信息作为周期性变化的幅值,其中,从曲线的上升趋势变化为下降趋势的拐点处对应的相对距离信息可视作某个周期的最大相对距离信息,从曲线的下降趋势变化为上升趋势的拐点处对应的相对距离信息可视作某个周期的最小相对距离信息。
经步骤S403分割后的信号可例如图7所示。其中,由实线开始至虚线结束之间的肺音信号对应于吸气相信号段,而由虚线开始至实线结束之间的肺音信号对应于呼气相信号段。
以上方案中,由于人体呼吸时胸部的扩张、收缩会导致相对距离信息的变化,故而,基于相对距离信息的变化,可以为吸气相信号段、呼气相信号段的分割提供充分、准确的依据。相较于手动分割的方案,本发明可有效提高分割效率,提升了吸气相信号段呼气相信号段分割的准确性,实现了智能听诊。
其中,由于目标位置点为人体的位置点,两者之间的相对距离信息不会目标人体位姿的变化而发生显著变化,进而,可避免目标人体的位姿变化对肺音信号分割结果的影响,保障准确性。
其中一种实施方式中,请参考图8,基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段的过程,可以包括:
S801:分别确定每个周期对应的相对距离变化范围,
所述相对距离变化范围包括对应周期内按照时间顺序排列的相对距离信息;进而,可实现针对不同周期的划分;该划分可例如通过预设的周期长度而划分,也可先取给定相对距离信息(该给定相对距离信息可取一个通常会小于所有最大相对距离信息、大于所有最小相对距离信息的取值),进而,每个周期中,通常会产生两个给定相对距离信息,假定可得到依据时间顺序依次分布的多个给定相对距离信息,那么,可将其中任意第k个给定相对距离信息与第k+2个给定相对距离信息之间的时间划定为一个周期;其中的k为大于或等于1的正整数;
S802:查找各个相对距离变化范围内的最大相对距离信息与最小相对距离信息,并确定所述最大相对距离信息的第一时刻,所述最小相对距离信息的第二时刻;
S803:基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段;
步骤S803的一种举例中,可包括:在各个周期中的第一时刻位于第二时刻之前的情况下:确定所述肺音信号中自任一周期的第一时刻至所述任一周期内的第二时刻之间的信号段为所述呼气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第二时刻至后一周期的第一时刻之间的信号段为吸气相信号段;
步骤S803的另一种举例中,可包括:在各个周期中的第二时刻位于第一时刻之前的情况下:确定所述肺音信号中自任一周期的第二时刻至所述任一周期内的第一时刻之间的信号段为所述吸气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第一时刻至后一周期的第二时刻之间的信号段为呼气相信号段。
其中,根据呼吸周期性的变化,在呼气过程中,胸腔的体积缩小,导致相对距离信息会逐渐减小,而在吸气过程中胸腔会扩大,导致相对距离信息会逐渐增大。所以从最小相对距离信息到最大相对距离信息的过程即为吸气的过程,而从最大相对距离信息到最小相对距离信息的过程即为呼气的过程,通过分析相对距离信息的变化可以得出呼气和吸气的周期。
当完成一次吸气时,胸腔的体积达到最大,此时对应的是呼吸曲线的一个局部最大值(即对应周期的最大相对距离信息);当完成一次呼气时,胸腔的体积达到最小,此时对应的是呼吸曲线的一个局部极小值(即对应周期的最小相对距离信息)。
可见,以上方案中,可以得到交替的呼气相信号段与吸气相信号段,实现信号段分割的客观化、自动化,且保障了划分准确性。
本发明实施例中,请参考图9,基于肺音分割结果的处理方法,包括:
S901:获取本发明实施例的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
S902:基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
S903:将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
图9所示实施例可理解为使用分类器的一种方案,对应于图9所示实施例中使用分类器的方案,请参考图10,本发明实施例还提供了一种训练分类器的一种方案,其中,基于肺音分割结果的处理方法,包括:
S1001:分别提取训练样本集合中各个肺音信号样本的样本特征,
所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经本发明实施例的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
S1002:将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
S1003:根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
其中所提及的分类器,可以为对肺音信号所属人体的至少一种属性进行分类的一种模型,具体举例中,其中的至少一种属性可例如包括以下至少之一:所属人体的性别、年龄、人种、所患疾病、职业等。进而,对性别的分类,可例如分类为男人、女人,对年龄的分类,可例如分类为不同年龄层,对人种的分类,可例如白种人、黄种人、黑种人的分类,对所患疾病的分类,可例如不同名称的疾病的分类,对职业的分类,可例如运动员、文员等不同职业的分类。
其中的肺音信号的特征信息、肺音信号样本的样本特征,可例如包括以下至少之一:时域特征、小波系数的能量的相关特征、小波包系数能量的相关特征等,在特征提取的基础上,可采用支持向量机、BP神经网络等机器学习算法实现分类器的学习。
具体的,提取肺音信号的特征信息、肺音信号样本的样本特征的过程可例如:提取小波包5层分解的系数计算4个节点能量作为时频域特征,选用标准差(SD)、峰峰值(PP)和对数能量(LE)作为时域特征,选用mel频率倒谱系数(MFCC)和Gammatone频率倒谱系数(GFCC)作为谱特征。
请参考图11,肺音分割的处理装置1100,包括:
肺音采集模块1101,用于采集目标人体呼吸过程中的肺音信号;
距离检测模块1102,用于对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
分割模块1103,用于基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
可选的,分割模块1103,具体用于:
查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段。
可选的,分割模块1103,具体用于:
分别确定每个周期对应的相对距离变化范围,所述相对距离变化范围包括对应周期内按照时间顺序排列的相对距离信息;
查找各个相对距离变化范围内的最大相对距离信息与最小相对距离信息,并确定所述最大相对距离信息的第一时刻,所述最小相对距离信息的第二时刻;
基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段。
可选的,分割模块1103,具体用于:
在各个周期中的第一时刻位于第二时刻之前的情况下:确定所述肺音信号中自任一周期的第一时刻至所述任一周期内的第二时刻之间的信号段为所述呼气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第二时刻至后一周期的第一时刻之间的信号段为吸气相信号段;
或者:
在各个周期中的第二时刻位于第一时刻之前的情况下:确定所述肺音信号中自任一周期的第二时刻至所述任一周期内的第一时刻之间的信号段为所述吸气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第一时刻至后一周期的第二时刻之间的信号段为呼气相信号段。
可选的,用于获取所述相对距离信息的检测设备为磁追踪定位组件,所述磁追踪定位组件包括:定位芯片与磁追踪定位设备,每个定位芯片设于对应的一个目标位置点;
所述距离检测模块1102,具体用于:分别确定所述定位芯片所对应的磁追踪位置信息,所述磁追踪位置信息表征了所述定位芯片在所述磁追踪定位设备的磁追踪坐标系下的位置;
基于每个定位芯片采集到的磁追踪位置信息,将计算得到的所述磁追踪坐标系下对应定位芯片之间的距离作为所述相对距离信息。
可选的,用于获取所述相对距离信息的检测设备为光学追踪定位组件,所述光学追踪定位组件包括:定位设备与定位工具,每一个目标位置点对应一个特定光学追踪定位组件;
所述距离检测模块1102,具体用于:利用特定光学追踪定位组件,分别确定任一目标位置点的特定位置信息,所述特定位置信息用于表征所述任一目标位置点相对于相应的特定光学追踪定位组件所含的定位设备的位置;
基于所述至少两个目标位置点的特定位置信息,计算各目标位置点之间的所述相对距离信息。
可选的,所述检测设备为形状传感器;所述形状传感器被配置为能够检测出所述目标人体表面包含所述目标位置点的指定区域中多个部位的曲率信息;
所述距离检测模块1102,具体用于:
获取所述形状传感器检测到的曲率信息;
基于所述曲率信息,在指定坐标系下重建出所述指定区域中经过所述两个目标位置点的弯曲部,所述弯曲部为曲线或曲面;
计算所述指定坐标系下所述弯曲部中所述两个目标位置点之间的距离作为所述相对距离信息。
请参考图12,基于肺音分割结果的处理装置1200,包括:
获取模块1201,用于获取经本发明实施例的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
特征提取模块1202,用于基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
分类模块1203,用于将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
请参考图13,基于肺音分割结果的处理装置1300,包括:
提取单元1301,用于分别提取训练样本集合中各个肺音信号样本的样本特征,所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经本发明实施例的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
样本预测单元1302,用于将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
调整单元1303,用于根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
请参考图14,提供了一种电子设备1400,包括:
处理器1401;以及,
存储器402,用于存储所述处理器的可执行指令;
其中,所述处理器1401配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器1401能够通过总线1403与存储器1402通讯。
本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现以上所涉及的方法。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (16)
1.一种肺音分割的处理方法,其特征在于,包括:
采集目标人体呼吸过程中的肺音信号;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
2.根据权利要求1所述的肺音分割的处理方法,其特征在于,至少一个目标位置点位于所述目标人体的前胸,至少一个目标位置点位于所述目标人体的后背。
3.根据权利要求1所述的肺音分割的处理方法,其特征在于,
基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中确定吸气相信号段与呼气相信号段,包括:
查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段。
4.根据权利要求1所述的肺音分割的处理方法,其特征在于,
所述第一相对距离信息为对应周期内的最大相对距离信息,所述第二相对距离信息为对应周期内的最小相对距离信息;
查找所述相对距离信息中满足预设条件的第一相对距离信息与第二相对距离信息,并基于查找到的第一相对距离信息与第二相对距离信息,确定所述肺音信号中的吸气相信号段与呼气相信号段,包括:
分别确定每个周期对应的相对距离变化范围,所述相对距离变化范围包括对应周期内按照时间顺序排列的相对距离信息;
查找各个相对距离变化范围内的最大相对距离信息与最小相对距离信息,并确定所述最大相对距离信息的第一时刻,所述最小相对距离信息的第二时刻;
基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段。
5.根据权利要求4所述的肺音分割的处理方法,其特征在于,
基于所述第一时刻与所述第二时刻,确定所述肺音信号中的吸气相信号段与呼气相信号段,包括:
在各个周期中的第一时刻位于第二时刻之前的情况下:确定所述肺音信号中自任一周期的第一时刻至所述任一周期内的第二时刻之间的信号段为所述呼气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第二时刻至后一周期的第一时刻之间的信号段为吸气相信号段;
或者:
在各个周期中的第二时刻位于第一时刻之前的情况下:确定所述肺音信号中自任一周期的第二时刻至所述任一周期内的第一时刻之间的信号段为所述吸气相信号段,并确定所述肺音信号中自相邻周期中前一周期的第一时刻至后一周期的第二时刻之间的信号段为呼气相信号段。
6.根据权利要求1至5任一项所述的肺音分割的处理方法,其特征在于,
用于获取所述相对距离信息的检测设备为磁追踪定位组件,所述磁追踪定位组件包括:定位芯片与磁追踪定位设备,每个定位芯片设于对应的一个目标位置点;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息,包括:
分别确定所述定位芯片所对应的磁追踪位置信息,所述磁追踪位置信息表征了所述定位芯片在所述磁追踪定位设备的磁追踪坐标系下的位置;
基于每个定位芯片采集到的磁追踪位置信息,将计算得到的所述磁追踪坐标系下对应定位芯片之间的距离作为所述相对距离信息。
7.根据权利要求1至5任一项所述的肺音分割的处理方法,其特征在于,用于获取所述相对距离信息的检测设备为光学追踪定位组件,所述光学追踪定位组件包括:定位设备与定位工具,每一个目标位置点对应一个特定光学追踪定位组件;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息,包括:
利用特定光学追踪定位组件,分别确定任一目标位置点的特定位置信息,所述特定位置信息用于表征所述任一目标位置点相对于相应的特定光学追踪定位组件所含的定位设备的位置;
基于所述至少两个目标位置点的特定位置信息,计算各目标位置点之间的所述相对距离信息。
8.根据权利要求1至4任一项所述的肺音分割的处理方法,其特征在于,所述检测设备为形状传感器;所述形状传感器被配置为能够检测出所述目标人体表面包含所述目标位置点的指定区域中多个部位的曲率信息;
对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息,包括:
获取所述形状传感器检测到的曲率信息;
基于所述曲率信息,在指定坐标系下重建出所述指定区域中经过所述两个目标位置点的弯曲部,所述弯曲部为曲线或曲面;
计算所述指定坐标系下所述弯曲部中所述两个目标位置点之间的距离作为所述相对距离信息。
9.一种基于肺音分割结果的处理方法,其特征在于,包括:
获取经权利要求1至8任一项所述的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
10.一种基于肺音分割结果的处理方法,其特征在于,包括:
分别提取训练样本集合中各个肺音信号样本的样本特征,所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经权利要求1至8任一项所述的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
11.一种肺音分割的处理装置,其特征在于,包括:
肺音采集模块,用于采集目标人体呼吸过程中的肺音信号;
距离检测模块,用于对所述呼吸过程中所述目标人体的至少两个目标位置点间的相对距离进行检测,得到呈周期性变化的相对距离信息;
分割模块,用于基于所述呼吸过程中所述相对距离信息的变化,在所述肺音信号中分割出吸气相信号段与呼气相信号段;所述吸气相信号段被用于确定所述肺音信号在所述目标人体吸气过程中的信号变化情况,所述呼气相信号段被用于确定所述肺音信号在所述目标人体呼气过程中的信号变化情况。
12.一种基于肺音分割结果的处理装置,其特征在于,包括:
获取模块,用于获取经权利要求1至8任一项所述的肺音分割方法分割出吸气相信号段与呼气相信号段的肺音信号;
特征提取模块,用于基于所分割的呼气相信号段与吸气相信号段,提取所述肺音信号的特征信息;
分类模块,用于将所述特征信息输入预先训练的分类器,获取所述分类器输出的分类结果。
13.一种基于肺音分割结果的处理装置,其特征在于,包括:
提取单元,用于分别提取训练样本集合中各个肺音信号样本的样本特征,所述肺音信号样本被标注有实际分类结果;所述肺音信号样本为经权利要求1至8任一项所述的肺音分割方法分割出相应的吸气相信号段与呼气相信号段的肺音信号;
样本预测单元,用于将所述样本特征输入分类器中,获得所述分类器输出的预测分类结果;
调整单元,用于根据所述实际分类结果与预测分类结果之间的差异信息调整所述分类器,获得训练后的分类器。
14.一种肺音信号处理系统,其特征在于,包括数据处理部、检测设备,所述数据处理部用于执行权利要求1至10任一项所述的处理方法,所述肺音信号是所述听诊设备采集到的,所述相对距离信息是所述检测设备检测到的。
15.一种电子设备,其特征在于,包括处理器与存储器,
所述存储器,用于存储代码;
所述处理器,用于执行所述存储器中的代码用以实现权利要求1至10任意之一所述的方法。
16.一种存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1至10任意之一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644549.0A CN114305482A (zh) | 2021-12-29 | 2021-12-29 | 肺音分割的处理方法、装置、电子设备与存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111644549.0A CN114305482A (zh) | 2021-12-29 | 2021-12-29 | 肺音分割的处理方法、装置、电子设备与存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114305482A true CN114305482A (zh) | 2022-04-12 |
Family
ID=81017259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111644549.0A Pending CN114305482A (zh) | 2021-12-29 | 2021-12-29 | 肺音分割的处理方法、装置、电子设备与存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114305482A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107529991A (zh) * | 2015-04-16 | 2018-01-02 | 皇家飞利浦有限公司 | 用于检测对象的心脏和/或呼吸疾病的设备、系统和方法 |
CN109691999A (zh) * | 2019-01-21 | 2019-04-30 | 深圳瀚维智能医疗科技有限公司 | 呼吸频率检测方法、装置、存储介质及计算机设备 |
US20190313943A1 (en) * | 2016-12-27 | 2019-10-17 | Ami Inc. | Biological Monitoring Device |
-
2021
- 2021-12-29 CN CN202111644549.0A patent/CN114305482A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107529991A (zh) * | 2015-04-16 | 2018-01-02 | 皇家飞利浦有限公司 | 用于检测对象的心脏和/或呼吸疾病的设备、系统和方法 |
US20190313943A1 (en) * | 2016-12-27 | 2019-10-17 | Ami Inc. | Biological Monitoring Device |
CN109691999A (zh) * | 2019-01-21 | 2019-04-30 | 深圳瀚维智能医疗科技有限公司 | 呼吸频率检测方法、装置、存储介质及计算机设备 |
Non-Patent Citations (1)
Title |
---|
中国人民解放军总后勤部卫生部: "CARTO系统临床应用指南", 上海交通大学出版社, pages: 120 - 121 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chambres et al. | Automatic detection of patient with respiratory diseases using lung sound analysis | |
US20170188868A1 (en) | System and method of identification of the heart valve signals | |
Naseri et al. | Detection and boundary identification of phonocardiogram sounds using an expert frequency-energy based metric | |
Wang et al. | Phonocardiographic signal analysis method using a modified hidden Markov model | |
US9198634B2 (en) | Medical decision support system | |
CN109273085B (zh) | 病理呼吸音库的建立方法、呼吸疾病的检测系统及处理呼吸音的方法 | |
Yakut et al. | An improved QRS complex detection method having low computational load | |
Castro et al. | Heart sound segmentation of pediatric auscultations using wavelet analysis | |
EP3629911A1 (en) | Machine differentiation of abnormalities in bioelectromagnetic fields | |
US20220007964A1 (en) | Apparatus and method for detection of breathing abnormalities | |
Singh et al. | Classification of short unsegmented heart sound based on deep learning | |
Gavrovska et al. | Automatic heart sound detection in pediatric patients without electrocardiogram reference via pseudo-affine Wigner–Ville distribution and Haar wavelet lifting | |
US20200170527A1 (en) | System and method of marking cardiac time intervals from the heart valve signals | |
Naseri et al. | Computerized quality assessment of phonocardiogram signal measurement-acquisition parameters | |
CN111685774B (zh) | 基于概率集成回归模型的osahs诊断方法 | |
US8750973B2 (en) | Method and system for detecting P-waves in the surface ECG signal | |
Singh et al. | Short unsegmented PCG classification based on ensemble classifier | |
Mustafa et al. | Detection of heartbeat sounds arrhythmia using automatic spectral methods and cardiac auscultatory | |
CN108814642B (zh) | 一种电子听诊器的心音定位及心率计算方法 | |
Sofwan et al. | Normal and Murmur Heart Sound Classification Using Linear Predictive Coding and k-Nearest Neighbor Methods | |
Banerjee et al. | An irregularity measurement based cardiac status recognition using support vector machine | |
CN114305482A (zh) | 肺音分割的处理方法、装置、电子设备与存储介质 | |
Dalvi et al. | Graph search based detection of periodic activations in complex periodic signals: Application in atrial fibrillation electrograms | |
Moukadem et al. | High order statistics and time-frequency domain to classify heart sounds for subjects under cardiac stress test | |
Roquemen-Echeverri et al. | An AI-Powered Tool for Automatic Heart Sound Quality Assessment and Segmentation |
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 |