买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：新疆畅森数据科技有限公司

摘要：本发明涉及人工智能领域，公开一种利用心音信号来进行异常心音检测的方法，内容如下：a.统一心音信号样本采样率，使用线性插值法对异常心音信号进行样本量扩充，并将数据路径和标记对应关系存入csv文件中，构建深度学习数据集；b.初始化模型参数，定义FocalLoss损失函数来度量模型分类性能；c.在基础神经网络模型中添加离散卷积映射和卷积嵌入模块，提取心音信号频域特征，以此提升模型检测异常心音的准确率；d.利用巴特沃斯滤波器降低步骤a中数据集的噪声，并且提取Mel语谱图特征；e.在心音分类模型中训练提取的特征，并根据验证集调整模型参数，获取最优模型；f.利用步骤e中获取到的最优模型实现对心音信号的预测，并并可视化预测结果，完成对异常心音信号的准确识别。

主权项：1.一种心音信号异常检测算法，该方法包括以下步骤：S1：选取公开的心音信号数据集PhysionNetCinC2016作为实验所需的数据来源。为确保医学心音信号数据的安全性和隐私保护，本发明对数据集文件进行了访问权限限制的方法来避免实验数据被未经授权人员使用。此外，为满足对异常心音信号的识别，本发明使用音频处理工具sox对心音信号数据集进行统一采样率的操作，将心音信号数据的采样率控制在2000Hz。为了能够提高模型的泛化能力和分类精度，实验使用了数据增强技术来增加数据的多样性。该技术主要是通过使用线性插值的方法将数据集中已有的异常心音信号进行1.5被的加速操作和0.5倍的降速操作，并将减速和加速后的数据保存为wav后缀格式的音频文件，以满足模型的输入。设原始音频数据为x[n]，数据增强技术的数学公式如下所示：x′[n]＝1-α·x[n·R]+α·x[n·R+1] 上述公式1和2分别是降低和提升心音信号速率的数学公式，其中x′[n]是新的音频数据，α是小数，n表示采样点所处位置，R表示提升或者减低的倍数。最后对于分类神经网络模型，通常需要将处理后的心音信后数据存放路径及其对应标价转为csv格式，用于后续模型在训练、测试和验证过程中对数据进行加载。S2：图2为本发明所使用的基准网络SwinTransformer的网络结构，包含有补丁嵌入PatchPartition，SwinTransformerBlock，补丁合并PatchMerging，输出端口。模型设计并添加了卷积嵌入和卷积映射两个模块以更好地提取心音信号频域特征，训练过程如下：1模型初始化：对DCv-SwinTransformer模型的权重是初始化，保证模型在训练过程中前馈传播和反向传播时的未定型和梯度的分布均匀。2损失函数定义：针对医学数据集中正常心音信号和异常心音信号样本比例不均衡，本发明使用FocalLoss损失函数来度量模型分类性能。其数学公式如下所示： 公式中，pt是模型预测的概率值，表示样本属于正类的概率；αt是类别权重，用来调节正负样本的优先度；γ是焦距参数，控制正常心音和异常心音样本的权重参数分布。S3：为了能够更够的去应对心音信号特征的多样性和复杂性，使模型可以更好地捕获心音信号数据的频域特征关联性，从而提升模型分类精度。本实验为SwinTransformer模型添加了卷积向量嵌入和卷积投影的结构。具体操作如图3所示。S4：为提升分类精度，同时保证特征向量维度符合模型的期望输入，本实验首先设计了五阶巴特沃斯滤波器对心音信号进行滤波降噪，其中滤波器的传递函数的公式如下： 其中，s是频率域中的复变量，ωc是截止频率，n是滤波器的阶数，HS的值表示了滤波器对不同频率信号的抑制程度。降噪的输出函数如下： 其中，x[n]是输入的心音信号，y[n]是降噪后输出的信号，z-1是延时操作，b0，b1，...，bm和a0，a1，...，an是滤波器的系数。最后使用深度学习常用的Pytorch框架中的Spectrogram和LogelmelFilterBank方法提取心音信号的梅尔语谱图特征。特征提取步骤如下所示：a：对心音信号x[n]进行预加重。y[n]＝x[n]-α·x[n-1]，α是预加重系数；b：将y[n]切分为多个重叠的帧，并对每一帧应用加窗函数ω[n]，xframe[n]＝x[n]·ω[n]，xframe[n]代表第n帧信号；c：进行傅里叶变换计算功率谱密度。Pf＝|Xf|2，Pf是功率谱密度，Xf是傅里叶变换后的信号；d：依次进行Mel滤波器组和对数变换，最后在对取对数后的Mel滤波器组进行离散余弦变换得到MFCC系数。其中cn表示第n个MFCC系数，M是Mel滤波器数量，αm是第m个梅尔滤波器的归一化系数，Em是第m个Mel滤波器通道的能量。S5：将心音信号的Mel语谱图特征输入到改进而来的DCv-SwinTransformer中进行训练，训练集：验证集：测试集的比例按照8∶1∶1的比例进行划分，使用训练集数据对模型进行训练，并用验证机反馈的训练效果对模型进行参数调优，最终使用测试集来测试最优模型的分类精度。S6：使用S5中得到的最优模型对异常心音信号进行检测识别，并输出诊断结果。

全文数据：

权利要求：

百度查询： 新疆畅森数据科技有限公司 一种心音信号异常检测方法