专利名称：基于神经网络的心音识别装置及方法
技术领域：
本发明涉及一种基于神经网络的心音识别装置及方法。
背景技术：
心音诊断是医生用来检测心脏疾病的重要手段，它具有心电不可超越的优势，但是刚毕业的大学生并不能根据心音做出比较准确的心音诊断结果，但是目前的心音诊断方法还是存在一定的缺陷，并不能满足临床的需要。
发明内容
本发明的目的就是为了解决上述问题，提供一种基于神经网络的心音识别装置及方法，它具有能够比较准确识别心音类型的优点。 为了实现上述目的，本发明采用如下技术方案
一种基于神经网络的心音识别装置，包括依次连接的心音采集装置、预处理装置、特征提取和选择装置、神经网络识别装置。一种基于神经网络的心音识别装置所采用的工作方法，主要分为以下几个工作步骤
步骤(I):通过心音采集装置实现心音数据获取心音的获取主要包括数据采集、放大、滤波、模数转换、采样和量化；
步骤(2):通过预处理装置实现心音信号的预处理对噪声的预处理主要是为了消除一些生理信号的干扰；
步骤(3):通过特征提取和选择装置实现特征提取和选择为了识别分类结果，需要对原始心音数据进行特征提取，这样能提高效率，降低冗余；
步骤(4):通过神经网络识别装置实现心音的分类识别把不同的心音进行归类识别，这个过程包括神经网络的选择和模型构建、神经网络的训练和心音信号的模式识别。本发明的有益效果
能够实现心音的准确识别，提高了识别率，抵制了医生的主观判断。
图I为本发明的方法流程 I、心音采集装置，2、预处理装置，3、特征提取和选择装置，4、神经网络识别装置.
具体实施例方式下面结合附图与实施例对本发明作进一步说明。如图I所示，一种基于神经网络的心音识别装置，包括依次连接的心音采集装置
I、预处理装置2、特征提取和选择装置3、神经网络识别装置4。一种基于神经网络的心音识别装置所采用的工作方法，主要分为以下几个工作步骤
步骤(I):通过心音采集装置I实现心音数据获取心音的获取主要包括数据采集、放大、滤波、模数转换、采样和量化；
步骤(2):通过预处理装置2实现心音信号的预处理对噪声的预处理主要是为了消除一些生理信号的干扰；
步骤(3):通过特征提取和选择装置3实现特征提取和选择为了识别分类结果，需要对原始心音数据进行特征提取，这样能提高效率，降低冗余；
步骤(4):通过神经网络识别装置4实现心音的分类识别把不同的心音进行归类识另O，这个过程包括神经网络的选择和模型构建、神经网络的训练和心音信号的模式识别。上述虽然结合附图对本发明的具体实施方式
进行了描述，但并非对本发明保护范 围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
权利要求
1.一种基于神经网络的心音识别装置，其特征是，包括依次连接的心音采集装置、预处理装置、特征提取和选择装置、神经网络识别装置。
2.如权利要求I所述的一种基于神经网络的心音识别装置所采用的工作方法，其特征是，主要分为以下几个工作步骤 步骤(I):通过心音采集装置实现心音数据获取心音的获取主要包括数据采集、放大、滤波、模数转换、采样和量化； 步骤(2):通过预处理装置实现心音信号的预处理对噪声的预处理主要是为了消除一些生理信号的干扰； 步骤(3):通过特征提取和选择装置实现特征提取和选择为了识别分类结果，需要对原始心音数据进行特征提取，这样能提高效率，降低冗余； 步骤(4):通过神经网络识别装置实现心音的分类识别把不同的心音进行归类识别，这个过程包括神经网络的选择和模型构建、神经网络的训练和心音信号的模式识别。
全文摘要
本发明公开了一种基于神经网络的心音识别装置及方法，包括依次连接的心音采集装置、预处理装置、特征提取和选择装置、神经网络识别装置。识别方法主要分为以下几个工作步骤步骤(1)心音数据获取心音的获取主要包括数据采集、放大、滤波、模数转换、采样和量化；步骤(2)心音信号的预处理步骤(3)特征提取和选择为了识别分类结果，需要对原始心音数据进行特征提取，这样能提高效率，降低冗余；步骤(4)心音的分类识别把不同的心音进行归类识别，这个过程包括神经网络的选择和模型构建、神经网络的训练和心音信号的模式识别。本发明的有益效果能够有效地给出心音识别结果，避免了医生的主观判断。
文档编号A61B5/00GK102934989SQ201210513990
公开日2013年2月20日 申请日期2012年12月5日 优先权日2012年12月5日
发明者隋聪 申请人:隋聪