CN116671873A - 基于吞咽振动信号分析的吞咽障碍自动诊断系统 - Google Patents
基于吞咽振动信号分析的吞咽障碍自动诊断系统 Download PDFInfo
- Publication number
- CN116671873A CN116671873A CN202310921553.XA CN202310921553A CN116671873A CN 116671873 A CN116671873 A CN 116671873A CN 202310921553 A CN202310921553 A CN 202310921553A CN 116671873 A CN116671873 A CN 116671873A
- Authority
- CN
- China
- Prior art keywords
- vibration signal
- swallowing
- module
- data
- swallowing vibration
- 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.)
- Granted
Links
- 230000009747 swallowing Effects 0.000 title claims abstract description 129
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000003745 diagnosis Methods 0.000 title claims abstract description 51
- 208000019505 Deglutition disease Diseases 0.000 title claims abstract description 42
- 238000005516 engineering process Methods 0.000 claims abstract description 18
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000013135 deep learning Methods 0.000 claims description 20
- 230000005540 biological transmission Effects 0.000 claims description 15
- 238000007726 management method Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 15
- 238000013145 classification model Methods 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000013523 data management Methods 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000010295 mobile communication Methods 0.000 claims description 7
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 238000011176 pooling Methods 0.000 claims description 6
- 230000004913 activation Effects 0.000 claims description 5
- 238000013507 mapping Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000004064 dysfunction Effects 0.000 claims 2
- 238000012216 screening Methods 0.000 abstract description 13
- 238000012502 risk assessment Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 15
- 238000012360 testing method Methods 0.000 description 10
- 238000012549 training Methods 0.000 description 7
- 206010003504 Aspiration Diseases 0.000 description 6
- 230000008901 benefit Effects 0.000 description 4
- 238000000034 method Methods 0.000 description 4
- 206010035669 Pneumonia aspiration Diseases 0.000 description 3
- 201000009807 aspiration pneumonia Diseases 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 206010003497 Asphyxia Diseases 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000035622 drinking Effects 0.000 description 2
- 210000003238 esophagus Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002409 epiglottis Anatomy 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 210000003026 hypopharynx Anatomy 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000001584 soft palate Anatomy 0.000 description 1
- 210000005070 sphincter Anatomy 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000000152 swallowing effect Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
- A61B5/4205—Evaluating swallowing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Primary Health Care (AREA)
- Surgery (AREA)
- Epidemiology (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Gastroenterology & Hepatology (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- Endocrinology (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明属于吞咽障碍的自动诊断领域,为了解决目前缺乏准确、安全、智能的自动化吞咽障碍诊断工具,提供了一种基于吞咽振动信号分析的吞咽障碍自动诊断系统,包括:无线传感器、智能服务云平台和用户端;无线传感器用于采集被测者吞咽振动信号并转换成电信号,然后通过无线通信技术传输到智能服务云平台;智能服务云平台用于接收并分析、处理吞咽振动信号数据,给出吞咽振动信号分类诊断结果并发送至用户端;用户端用于控制和管理无线传感器,展示吞咽振动信号分析报告。本申请提供了完整的吞咽障碍快速、无创、远程、智能筛查和风险评估解决方案,解决了家庭、社区及偏远地区患者缺乏吞咽障碍有效评估工具和专业人员指导的难题。
Description
技术领域
本发明属于吞咽障碍的自动诊断领域,具体而言,涉及一种基于吞咽振动信号分析的吞咽障碍自动诊断系统。
背景技术
吞咽障碍是一种临床常见症状,是指由于下颌、双唇、舌、软腭、咽喉、食管等器官结构和(或)功能受损,不能安全有效地把食物输送到胃内的一种临床表现。多种疾病均可导致吞咽障碍,衰老也会对吞咽功能造成影响。吞咽障碍会导致误吸、吸入性肺炎、窒息等并发症的发生。其中,误吸导致的吸入性肺炎已成为老年人死亡的主要原因。多项证据表明,吞咽障碍及其并发症会导致患者医疗保健服务使用率增加、住院时间延长、再入院率和死亡率升高。
吞咽障碍的发展变化是一个动态可逆转的过程,通过有效的吞咽障碍筛查,可以将存在吞咽障碍或吞咽障碍高风险人群识别出来,并通过个性化干预进行积极主动、科学的管理,可以有效的控制疾病进展,预防窒息等不良并发症的发生,降低医疗开支,缓解医疗保健系统面临的巨大压力。
虽然可以使用各种吞咽筛查和评估工具,但目前没有一种工具具有可接受的准确性和便利性来确保吞咽障碍的诊断。
目前临床常用的吞咽障碍评估工具有自我筛查量表、各类床旁试验和仪器评估工具:
自我筛查量表是目前广泛应用的方法,但这类方法易受患者自我认知和主观评价影响,容易发生误诊和漏诊;
各类饮水试验是最经典的床旁筛查试验,在临床广泛应用,但其对隐性误吸的确诊率较低,且易增加吸入性肺炎的发生风险;基于进食观察的床旁试验法可根据筛查结果为老年人推荐饮食方案,且相比饮水试验具备更高的安全性,但该类方法评估过程较为复杂且用时较长;
在仪器评估中,吞咽造影检查(VFSS)和软式喉内窥镜吞咽功能检查(FEES)是吞咽障碍评估的“金标准”,它们能直接观察咽部活动,准确度高且能够发现隐形误吸,但这类检查易受场地或设备条件限制,具有辐射或创伤性,因此更适用于吞咽障碍的诊断而非筛查。
并且,现有的筛查及评估工具依赖于受过训练的专业人员实施。对于缺乏专业人员的家庭、社区和偏远地区,仍然缺乏一个准确、安全、智能的自动化诊断工具。
发明内容
本申请提供了一种基于吞咽振动信号分析的吞咽障碍自动诊断系统,提供了一种准确、安全、智能的吞咽障碍自动化诊断工具。
本申请提供了一种基于吞咽振动信号分析的吞咽障碍自动诊断系统,包括:
无线传感器、智能服务云平台和用户端;
所述无线传感器用于采集被测者吞咽振动信号并转换成电信号,然后通过无线通信技术传输到智能服务云平台;
所述智能服务云平台用于接收并分析、处理吞咽振动信号数据,给出吞咽振动信号分类诊断结果,形成吞咽振动信号诊断报告并发送至用户端;
所述用户端用于控制和管理无线传感器,展示从智能服务云平台接收的吞咽振动信号分析报告。
其中,所述用户端包括第一用户信息管理模块、第一数据管理模块、显示模块和第一传输模块:所述第一用户信息管理模块用于记录和管理用户个人信息;所述第一数据管理模块用于管理和存储获得的吞咽振动信号数据;所述显示模块用于吞咽振动信号的图形化显示、各种状态数据分析图显示和智能服务云平台传回的吞咽振动信号分析报告的显示;所述第一传输模块用于与无线传感器和智能服务云平台进行数据交互。
其中,所述用户端应用在PC端Web或移动端App。
其中,所述智能服务云平台包括第二用户信息管理模块、第二数据管理模块、智能分析模块、监控预警模块和第二传输模块:所述第二用户信息管理模块用于收集和管理所有用户的个人信息;所述第二数据管理模块用于收集、存储和管理用户的吞咽振动信号数据;所述智能分析模块用于通过深度学习分析用户的吞咽振动信号数据和完成分类诊断;所述监控预警模块用于实时监控吞咽振动信号,以及当监控到数据异常时,向用户端发送报警信息;所述第二传输模块用于与无线传感器和用户端进行数据交互。
其中,所述智能分析模块包括数据输入模块、数据预处理模块、深度学习分类模块;所述数据输入模块用于读取从智能服务云平台数据传输模块获得的,无线传感器上传的,经过预处理的用户吞咽振动信号数据;所述数据预处理模块用于将从无线传感器获得的吞咽振动信号数据转换为深度学习分类模块所指定的数据格式与长度;所述深度学习分类模块用于利用深度学习算法中的卷积神经网络分类模型对吞咽振动信号数据进行分类,从而实现对吞咽振动信号数据的分类诊断,输出吞咽振动信号分析报告。
其中,所述卷积神经网络分类模型包括输入层、卷积层、池化层、全连接层、激活层和输出层;
所述输入层用于处理所收到的吞咽振动信号数据;
所述卷积层用于提取吞咽振动信号数据的特征参数;
所述池化层用于减少所述特征参数,从而减少全连接层中的特征参数数量;
所述全连接层包括多层全连接网络,用于将通过卷积层提取的特征重新通过权值构建完整的特征值矩阵;
所述激活层采用sigmoid函数,即sigmoid层,用于将降维后的特征映射成对应的吞咽振动信号分类概率,给出用于表征该吞咽振动信号为指定类型的分类结果,所述指定类型为正常或异常;
所述输出层用于输出分类结果。
其中,无线通信技术包括蓝牙、WIFI或移动通信技术,所述移动通信技术包括4G或者5G移动通信技术。
本申请基于吞咽振动信号分析的吞咽障碍自动诊断系统具有如下有益效果:
本申请提供了完整的吞咽障碍快速、无创、远程、智能筛查和风险评估解决方案,实现了对吞咽功能的定量评估、吞咽障碍筛查和误吸预警,解决了家庭、社区及偏远地区患者缺乏吞咽障碍有效评估工具和专业人员指导的难题,给居家健康管理和精准的远程自动诊断带来了新的技术突破,其推广的经济效益较高,社会效益较大。
附图说明
图1为本申请基于吞咽振动信号分析的吞咽障碍自动诊断系统结构示意图;
图2为本申请中吞咽振动信号采集端的结构框图;
图3为本申请中智能服务云平台的结构示意图;
图4为本申请中用户端的结构示意图;
图5为本申请中吞咽振动信号智能分析模块的结构框图;
图6为本申请吞咽障碍智能诊断系统的实施流程图;
图7为本申请中卷积神经网络分类模型结构示意图;
图8为本申请中深度学习分析模块实现流程图。
具体实施方式
下面结合附图和实施例对本申请进行进一步的介绍。
在下述介绍中,术语“第一”、“第二”仅为用于描述的目的,而不能理解为指示或暗示相对重要性。下述介绍提供了本发明的多个实施例,不同实施例之间可以替换或者合并组合,因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而,如果一个实施例包含特征A、B、C,另一个实施例包含特征B、D,那么本申请也应视为包括含有特征A、B、C、D的一个或多个所有其他可能的组合的实施例,尽管该实施例可能并未在以下内容中有明确的文字记载。
如图1所示,本申请基于吞咽振动信号分析的吞咽障碍自动诊断系统包括无线传感器1、智能服务云平台2和用户端3。无线传感器1用于采集被测者吞咽振动信号并转换成电信号,然后通过无线通信技术传输到智能服务云平台2。智能服务云平台2用于接收并处理吞咽振动信号数据,通过吞咽振动信号数据分析模块处理,给出吞咽振动信号分类诊断结果,形成吞咽振动信号诊断报告并发送至用户端3,并且用于实时监控吞咽振动信号,以及当监控到数据异常时,及时向用户端3发送报警信息。用户端3用于控制和管理无线传感器1,将从智能服务云平台2接收的吞咽振动信号分析报告展示给用户,并可以直接随时查看智能服务云平台2的监测数据,并实时接收智能服务云平台2推送过来的报警信息,同时可以查询历史数据、各种状态数据分析图等。
在一些实施例中,用户端3可以在PC端和移动端上运行,移动终端为支持各种不同操作系统的手机及平板等各种移动设备。
无线传感器1与智能服务云平台2之间通过无线通信技术进行数据交互。智能服务云平台2与用户端3之间通过无线通信技术进行数据交互。无线通信技术包括蓝牙、WIFI或移动通信技术(4G、5G)。
图2为图1中无线传感器的结构示意图。如图2所示,无线传感器1包括传感器模块11、处理器模块12和无线通信模块13:传感器模块11包括一个或多个吞咽振动信号传感器以及模数转换器。传感器负责感知吞咽动作产生的振动信号,并产生相应的模拟信号。传感器例如为声音传感器或者振动传感器。吞咽振动信号是指由吞咽行为引起的各种机械振动之和,包括吞咽相关肌肉收缩引起的振动、喉部闭合及提升运动所产生的振动、会厌软骨折返运动产生的振动、食道上括约肌开放以及闭合运动产生的振动、声门的闭合和开放运动产生的振动、以及食团在喉咽部产生的扰流活动引起的振动;同时也包括使用者吞咽过程中发出的咳嗽、清嗓、吞咽声、呼吸声和其他声音信息。模数转换器用于将连续变量的模拟信号转换为离散的数字信号,并将数字信号送往处理模块进行处理;处理器模块由处理器和存储器组成,处理器负责数据处理及控制整个无线传感器的正常工作;存储器负责存储采集的吞咽振动信号数据;无线通信模块包括网络、介质访问控制模块和无线收发器,负责发送、接收吞咽振动信号数据和控制信息;电源模块用于对无线传感器各个模块进行供电。
图3为图1中智能服务云平台的结构示意图。如图 3所示,智能云平台包括用户信息管理模块、数据管理模块、智能分析模块、监控预警模块和传输模块。用户信息管理模块用于收集和管理所有用户的个人信息;数据管理模块用于收集、存储和管理用户的吞咽振动信号数据;智能分析模块用于通过深度学习分析用户的吞咽振动信号数据和完成分类诊断;监控预警模块用于实时监控吞咽振动信号,以及当监控到数据异常时,及时向用户端发送报警信息;传输模块用于与无线传感器端和用户端进行数据交互。
图4为图1中用户端的结构示意图,如图4所示,用户端包括用户信息管理模块、数据管理模块、显示模块和传输模块。用户信息管理模块用于记录和管理用户个人信息;数据管理模块用于管理和存储获得的吞咽振动信号数据;显示模块用于吞咽振动信号的图形化显示、各种状态数据分析图显示和智能服务云平台传回的吞咽振动信号分析报告的显示;数据传输模块用于与无线传感器和智能服务云平台进行数据交互。
在一些实施例中,用户端可应用在PC端Web和移动端App,移动终端为支持各种不同操作系统的手机及平板等各种移动设备,用户端通过这些移动设备App可以直接随时查看智能服务云平台的监测数据,并实时接收智能服务云平台推送过来的数据,实现吞咽运动的实时监控。智能服务云平台推送的报警信息、设备电量信息等信息及时地被移动端接收到,以实现各种异常情况的报警。同时移动设备App可以查询历史数据、各种状态数据分析图等功能。电脑终端通过Web浏览器与云平台交互,除了实现移动端全部功能外,还具备系统管理和维护的功能。
图5为图3中的智能云平台中智能分析模块的结构框图,如图5所示,智能分析模块包括数据输入模块、数据预处理模块和深度学习分析模块。数据输入模块用于读取从智能云平台数据传输模块获得的无线传感器上传的吞咽振动信号数据;数据预处理模块,用于将从无线传感器获得的吞咽振动信号数据按照智能分析模块所指定的数据格式和长度;深度学习分析模块,用于根据卷积神经网络分类模型利用深度学习算法对吞咽振动信号数据进行分类,从而实现对吞咽振动信号数据的分析诊断,输出吞咽振动信号分析报告。
图6为本发明吞咽振动信号智能诊断系统的实施流程图。如图6所示,本发明的吞咽振动信号智能诊断系统的实施流程包括如下步骤:
S1,用户端发起开始吞咽振动信号数据采集指令;
S2,用户将无线传感器紧贴在人体吞咽振动信号采集点特定部位,并通过用户端控制无线传感器进行数据采集,采集为数分钟短吞咽振动信号数据采集,长期监控可以进行数小时连续采集;
S3,无线传感器获得的指定格式的吞咽振动信号数据通过无线通讯技术将数据文件发送到智能云平台;
S4,智能云平台将步骤S3获得的吞咽振动信号数据发送给监控预警模块,得到吞咽振动实时信号;
S5,智能云平台将步骤S4得到的吞咽振动实时信号制成波形图,并发送给用户端;
S6,同时,智能云平台将步骤S3获得的吞咽振动信号数据发送给智能分析模块,得到吞咽振动信号分类诊断结果;
S7,智能云平台将步骤S6得到的吞咽振动信号诊断结果制成分析报告,并发送给用户端;
S8,用户端将步骤S5所生成的吞咽振动信号波形图和步骤S7所生成的吞咽振动信号分析报告展示给用户。
图7是本申请中卷积神经网络分类模型结构示意图,如图7所示,卷积神经网络分类模型包括输入层、卷积层、池化层、全连接层、激活层和输出层。输入层用于处理所收到的吞咽振动信号数据;卷积层用于提取吞咽振动信号数据的特征参数;池化层用于减少特征参数,从而减少最后全连接层中的特征参数数量;全连接层包括多层全连接网络,用于将通过卷积层提取的特征重新通过权值构建完整的特征值矩阵;激活层采用sigmoid函数,即sigmoid层,用于将降维后的特征映射成对应的吞咽振动信号分类概率,给出用于表征该吞咽振动信号为指定类型(正常或异常)的分类结果;输出层用于输出分类结果。本发明实施例中,将由吞咽动作引发的吞咽振动特征分类为正常和异常2类,则诊断的分类器为一个2分类器。
图8是本发明实施例的深度学习分析模块实现流程示意图,如图8所示,深度学习分析模块实现分为模型训练和模型应用两个阶段。模型训练阶段包括如下步骤:将标注好入库的吞咽振动信号数据按照70:20:10比例分为训练集、验证集和测试集;用训练集训练所示卷积神经网络分类模型;用验证集对训练好的卷积神经网络分类模型调优,再用测试集测试,直至卷积神经网络分类模型达到要求。模型应用阶段,包括如下步骤:用户上传吞咽振动信号检测数据;训练好的卷积神经网络分类模型用于分类诊断所收到的吞咽振动信号数据;输出诊断结果。
本发明的卷积神经网络分类模型经过大量的吞咽振动信号数据样本训练,所有训练样本由医疗专家分类标注,训练得到卷积神经网络分类模型部署为诊断用深度学习分析模块。注意该结构为可行的深度学习分析模块结构的一种示例,并非唯一方案。
本发明提出了一种基于深度学习的吞咽振动信号自动诊断系统,用以解决缺乏吞咽障碍自动诊断工具的问题。本申请基于吞咽振动信号分析技术,结合智能算法,提供了完整的吞咽障碍快速、无创、远程、智能筛查和风险评估解决方案,实现了对吞咽功能的定量评估、吞咽障碍筛查和误吸预警,解决了家庭、社区及偏远地区患者缺乏吞咽障碍有效评估工具和专业人员指导的难题,给居家健康管理和精准的远程自动诊断带来了新的技术突破,其推广的经济效益较高,社会效益较大。
以上介绍仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,包括:无线传感器、智能服务云平台和用户端;
所述无线传感器用于采集被测者吞咽振动信号并转换成电信号,然后通过无线通信技术传输到智能服务云平台;
所述智能服务云平台用于接收并分析、处理吞咽振动信号数据,给出吞咽振动信号分类诊断结果,形成吞咽振动信号诊断报告并发送至用户端;
所述用户端用于控制和管理无线传感器,展示从智能服务云平台接收的吞咽振动信号分析报告。
2.根据权利要求1所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,所述用户端包括第一用户信息管理模块、第一数据管理模块、显示模块和第一传输模块:所述第一用户信息管理模块用于记录和管理用户个人信息;所述第一数据管理模块用于管理和存储获得的吞咽振动信号数据;所述显示模块用于吞咽振动信号的图形化显示、各种状态数据分析图显示和智能服务云平台传回的吞咽振动信号分析报告的显示;所述第一传输模块用于与无线传感器和智能服务云平台进行数据交互。
3.根据权利要求1或2所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,所述用户端应用在PC端Web或移动端App。
4.根据权利要求1或2所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,所述智能服务云平台包括第二用户信息管理模块、第二数据管理模块、智能分析模块、监控预警模块和第二传输模块:所述第二用户信息管理模块用于收集和管理所有用户的个人信息;所述第二数据管理模块用于收集、存储和管理用户的吞咽振动信号数据;所述智能分析模块用于通过深度学习分析用户的吞咽振动信号数据和完成分类诊断;所述监控预警模块用于实时监控吞咽振动信号,以及当监控到数据异常时,向用户端发送报警信息;所述第二传输模块用于与无线传感器和用户端进行数据交互。
5.根据权利要求4所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,所述智能分析模块包括数据输入模块、数据预处理模块、深度学习分类模块;所述数据输入模块用于读取从智能服务云平台数据传输模块获得的,无线传感器上传的,经过预处理的用户吞咽振动信号数据;所述数据预处理模块用于将从无线传感器获得的吞咽振动信号数据转换为深度学习分类模块所指定的数据格式与长度;所述深度学习分类模块用于利用深度学习算法中的卷积神经网络分类模型对吞咽振动信号数据进行分类,从而实现对吞咽振动信号数据的分类诊断,输出吞咽振动信号分析报告。
6.根据权利要求5所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,所述卷积神经网络分类模型包括输入层、卷积层、池化层、全连接层、激活层和输出层;
所述输入层用于处理所收到的吞咽振动信号数据;
所述卷积层用于提取吞咽振动信号数据的特征参数;
所述池化层用于减少所述特征参数,从而减少全连接层中的特征参数数量;
所述全连接层包括多层全连接网络,用于将通过卷积层提取的特征重新通过权值构建完整的特征值矩阵;
所述激活层采用sigmoid函数,即sigmoid层,用于将降维后的特征映射成对应的吞咽振动信号分类概率,给出用于表征该吞咽振动信号为指定类型的分类结果,所述指定类型为正常或异常;
所述输出层用于输出分类结果。
7.根据权利要求1或2所述基于吞咽振动信号分析的吞咽障碍自动诊断系统,其特征在于,无线通信技术包括蓝牙、WIFI或移动通信技术,所述移动通信技术包括4G或者5G移动通信技术。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310921553.XA CN116671873B (zh) | 2023-07-26 | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310921553.XA CN116671873B (zh) | 2023-07-26 | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116671873A true CN116671873A (zh) | 2023-09-01 |
CN116671873B CN116671873B (zh) | 2024-05-24 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116470A (zh) * | 2023-10-16 | 2023-11-24 | 中国人民解放军总医院第二医学中心 | 一种吞咽障碍筛查系统及筛查方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005304890A (ja) * | 2004-04-23 | 2005-11-04 | Kumamoto Technology & Industry Foundation | 嚥下障害の検知方法 |
CN101005799A (zh) * | 2004-06-17 | 2007-07-25 | 布卢尔维尔麦克米兰儿童中心 | 检测吞咽活动的系统和方法 |
CN103458777A (zh) * | 2011-01-18 | 2013-12-18 | 大学健康网络 | 用于吞咽损伤检测的方法和设备 |
CN106361323A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院深圳先进技术研究院 | 基于表面肌电的吞咽功能检测系统 |
US20190167182A1 (en) * | 2016-08-17 | 2019-06-06 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Deep learning for classification of swallows |
CN110742618A (zh) * | 2019-10-29 | 2020-02-04 | 南通大学 | 一种吞咽智能检测系统 |
CN112334061A (zh) * | 2018-06-26 | 2021-02-05 | 皇家飞利浦有限公司 | 监测对象中的吞咽 |
CN113223498A (zh) * | 2021-05-20 | 2021-08-06 | 四川大学华西医院 | 基于喉部语音信息的吞咽障碍识别方法、设备及装置 |
CN215820920U (zh) * | 2021-08-31 | 2022-02-15 | 厦门大学附属中山医院 | 一种吞咽障碍患者用吞咽、呼吸信号检测装置 |
EP3973852A1 (fr) * | 2020-09-29 | 2022-03-30 | Swallis Médical | Système centralisé de détection de la déglutition d'une pluralité d'utilisateurs et procédé associé |
US20230130676A1 (en) * | 2020-03-05 | 2023-04-27 | The Catholic University Of Korea Industry-Academic Cooperation Foundation | Apparatus for diagnosing disease causing voice and swallowing disorders and method for diagnosing same |
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005304890A (ja) * | 2004-04-23 | 2005-11-04 | Kumamoto Technology & Industry Foundation | 嚥下障害の検知方法 |
CN101005799A (zh) * | 2004-06-17 | 2007-07-25 | 布卢尔维尔麦克米兰儿童中心 | 检测吞咽活动的系统和方法 |
CN103458777A (zh) * | 2011-01-18 | 2013-12-18 | 大学健康网络 | 用于吞咽损伤检测的方法和设备 |
US20190167182A1 (en) * | 2016-08-17 | 2019-06-06 | University Of Pittsburgh-Of The Commonwealth System Of Higher Education | Deep learning for classification of swallows |
CN106361323A (zh) * | 2016-08-31 | 2017-02-01 | 中国科学院深圳先进技术研究院 | 基于表面肌电的吞咽功能检测系统 |
CN112334061A (zh) * | 2018-06-26 | 2021-02-05 | 皇家飞利浦有限公司 | 监测对象中的吞咽 |
CN110742618A (zh) * | 2019-10-29 | 2020-02-04 | 南通大学 | 一种吞咽智能检测系统 |
US20230130676A1 (en) * | 2020-03-05 | 2023-04-27 | The Catholic University Of Korea Industry-Academic Cooperation Foundation | Apparatus for diagnosing disease causing voice and swallowing disorders and method for diagnosing same |
EP3973852A1 (fr) * | 2020-09-29 | 2022-03-30 | Swallis Médical | Système centralisé de détection de la déglutition d'une pluralité d'utilisateurs et procédé associé |
CN113223498A (zh) * | 2021-05-20 | 2021-08-06 | 四川大学华西医院 | 基于喉部语音信息的吞咽障碍识别方法、设备及装置 |
CN215820920U (zh) * | 2021-08-31 | 2022-02-15 | 厦门大学附属中山医院 | 一种吞咽障碍患者用吞咽、呼吸信号检测装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116470A (zh) * | 2023-10-16 | 2023-11-24 | 中国人民解放军总医院第二医学中心 | 一种吞咽障碍筛查系统及筛查方法 |
CN117116470B (zh) * | 2023-10-16 | 2024-01-23 | 中国人民解放军总医院第二医学中心 | 一种吞咽障碍筛查系统及筛查方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210035067A1 (en) | Method to increase efficiency, coverage, and quality of direct primary care | |
US20150342486A1 (en) | Systems and methods for displaying physiologic data | |
US20050203707A1 (en) | Data measuring device, healthcare data acquiring system, and healthcare data acquiring method | |
Tan et al. | Health care monitoring system and analytics based on internet of things framework | |
KR20070097725A (ko) | 생체신호분석을 위한 일중주기 모니터링 시스템 | |
US20200330046A1 (en) | Digital twin updating | |
CN111000569B (zh) | 一种异常血糖智能认知的监护系统 | |
CN105447334A (zh) | 基于Android平台的高血压诊、治、管理系统 | |
CN114758786A (zh) | 基于无创参数的创伤后失血性休克动态早期预警系统 | |
CN116671873B (zh) | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 | |
WO2021140731A1 (ja) | 情報伝達装置および情報伝達方法 | |
Balasubramaniam et al. | IoT‐Based Noninvasive Wearable and Remote Intelligent Pervasive Healthcare Monitoring Systems for the Elderly People | |
CN116098595B (zh) | 一种心源性及脑源性猝死监测预防系统和方法 | |
CN116671873A (zh) | 基于吞咽振动信号分析的吞咽障碍自动诊断系统 | |
CN112233816A (zh) | 健康监测方法、装置及计算机可读介质 | |
KR20040034164A (ko) | 간병용로봇장치 및 간병로봇 모니터링시스템 | |
Orpa et al. | An IoT based healthcare solution with ESP32 using machine learning model | |
CN114388089A (zh) | 一种基于人工智能的个人健康管理方法及系统 | |
Senthilsingh et al. | Growth Monitoring of Children and Pregnant Women using IoT Devices | |
CN103598875B (zh) | 一种用于预测骨质疏松发生风险的人体骨密度预测装置 | |
WO2021152710A1 (ja) | 情報伝達装置および情報伝達方法 | |
CN107887016A (zh) | 健康数据普查的实现方法 | |
CN117617921B (zh) | 基于物联网的智能血压监控系统及方法 | |
KR102380027B1 (ko) | 바이오 빅 데이터 시각화 방법을 이용한 환자 건강진단 단말 | |
KR102539342B1 (ko) | 심장질환 및 내과질환을 가진 반려동물 진료용 건강기록 서비스 제공 시스템 |
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 | ||
GR01 | Patent grant |