一种基于心音检测和机器学习算法的心脏病筛查系统的制作方法

本发明涉及心脏病检测装置领域，具体地说，特别涉及到一种基于心音检测和机器学习算法的心脏病筛查系统。

背景技术：

心脏病作为对现代人危害最大的疾病之一，需要医生或患者对心率进行实时监测以预防心脏病的危害。现代医院的检测手段复杂价格昂贵，而检查结果往往50％都没有心脏病。对于被检测者而言，传统的检测手段是时间和金钱上的浪费。超声波在临床操作复杂，费时费钱；心电图无法准确预测先天性心脏病，上述两种技术均难于应用大规模临床先心病的筛查。

为了解决上述问题，现有技术中已有通过采用用心音检测的方法来检测心脏病，但其仍然存在不足，问题如下：

1、抗干扰能力差，少有涉及噪音隔离及利用硬件消除的设计。

2、目前心音信号处理算法大多采用传统的信号处理方法，信号处理效果差，只能适用于特定要求下的病人复现性差。

3、现有技术均只是针对部分病人的数据，没有利用到大量的病人数据，没有建立数据库，所采用的技术及其方案均具有局限性。

技术实现要素：

本发明的目的在于针对现有技术中的不足，提供本发明旨在改变，提出一种心脏病筛查系统，提供一种采用噪音隔离硬件设计、新型信号处理算法、大量数据的数据库系统的筛查设备及对应的信号分析管理系统，从而解决心脏病检查时排队久、费用高的问题。

本发明所解决的技术问题可以采用以下技术方案来实现：

一种基于心音检测和机器学习算法的心脏病筛查系统，包括信号采集模块、心音数据分析模块和数据库模块；

所述信号采集模块包括壳体、以及设置在所述壳体内的噪音采集单元和心音采集单元；

所述噪音采集单元安装在壳体的顶部，其包括与壳体固定连接的上安装壳体，在所述上安装壳体上安装有噪音采集器、以及与所述噪音采集器连接的噪音传感器；

所述心音采集单元安装在壳体的底部，其包括通过卡槽与壳体固定连接的不锈钢腔体、以及安装在不锈钢腔体上的下安装壳体，在所述下安装壳体上安装有心音采集器、以及与所述心音采集器连接的心音传感器；

所述心音数据分析模块包括预处理电路，预处理电路的输入端与噪音传感器和心音传感器的数据输出端连接，预处理电路包括依次设置的前级放大器、滤波器、中间放大器、后级放大器和a/d转换器，心音数据和噪音数据经预处理电路处理后由蓝牙天线发送至云端，并利用基于机器学习算法得到的模型进行数据分析，数据分析后得到的数据与数据库模块中的心脏病数据进行比对；

所述数据库模块存储有病人基本信息、病人心脏病类型、病人心音和各类心脏病的模型，其中各类心脏病的模型前期的建立和后期的更新由机器学习算法实现。

进一步的，所述基于机器学习算法的模型的建立和更新过程如下：

1)将连续的心音信号f1(t)利用分割算法将原信号按照心跳周期进行分割。从而得到一系列只含有一个心跳周期的心音信号；

2)利用深度学习的自编码器进行降维和特征提取，并同时提取心音信号时域和频域的特征参数；

3)将上述有特征参数的训练样本利用分类算法，确定模型中不同类型的心脏病所对应的参数，结合交叉验证的方法对所得到的模型进行融合并存储于云端的数据库模块。

进一步的，所述不锈钢腔体用于隔离噪音，其主体为圆锥形腔体，圆锥形腔体的倾角为46°。

进一步的，用于测量环境噪音的噪音采集单元和用于测量心跳声音的心音采集单元相互配合。通过反相的方法减少环境噪音对测量的心音的影响。

与现有技术相比，本发明的有益效果如下：

1.本发明包含了心音传感器和噪音传感器，可以同时测量心音和环境噪音，还包含了特定形状的不锈钢锥形腔体和塑料外壳的配合，实现了从硬件角度隔离噪音的效果，也为数据处理时的减相设计提供了准备，有效提高本设计的抗干扰能力，使得本发明能适用于各类场合，对环境要求低，有效地克服现有技术这个方面的不足。

2.本发明中的算法采用了机器学习算法，能够有效地提取并建立各类心脏病的特征和模型。同时，机器学习算法在前期训练模型的时候采集了大量的心脏病数据，能够覆盖大量的心脏病样本，所得到的模型可靠度远高于现有的。

3.本发明包括数据库系统，能够操作度要求低，对使用者医学水平无要求。同时，该数据库系统还能为未来心脏病的预测和管理提供帮助。

附图说明

图1为本发明所述的基于心音检测和机器学习算法的心脏病筛查系统的示意图。

图2为本发明所述的预处理电路的模块示意图。

图3为本发明所述的机器学习算法的示意图。

具体实施方式

为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。

参见图1和图2，本发明所述的一种基于心音检测和机器学习算法的心脏病筛查系统，包括信号采集模块1、心音数据分析模块2和数据库模块3；

所述信号采集模块包括壳体、以及设置在所述壳体内的噪音采集单元11和心音采集单元12；

所述噪音采集单元11安装在壳体的顶部，其包括与壳体固定连接的上安装壳体111，在所述上安装壳体111上安装有噪音采集器112、以及与所述噪音采集器112连接的噪音传感器113；

所述心音采集单元12安装在壳体的底部，其包括通过卡槽与壳体固定连接的不锈钢腔体121、以及安装在不锈钢腔体121上的下安装壳体122，在所述下安装壳体122上安装有心音采集器123、以及与所述心音采集器123连接的心音传感器124；

所述心音数据分析模块包括预处理电路21，预处理电路21的输入端与噪音传感器113和心音传感器124的数据输出端连接，预处理电路21包括依次设置的前级放大器、滤波器、中间放大器、后级放大器和a/d转换器，心音数据和噪音数据经预处理电路21处理后由蓝牙天线14发送至云端，并利用基于机器学习算法得到的模型进行数据分析，数据分析后得到的数据与数据库模块中的心脏病数据进行比对；

所述数据库模块存储有病人基本信息、病人心脏病类型、病人心音和各类心脏病的模型，其中各类心脏病的模型前期的建立和后期的更新由机器学习算法实现。

参见图3，所述基于机器学习算法的模型的建立和更新过程如下：

1)将连续的心音信号f1(t)利用分割算法将原信号按照心跳周期进行分割。从而得到一系列只含有一个心跳周期的心音信号；

2)利用深度学习的自编码器进行降维和特征提取，并同时提取心音信号时域和频域的特征参数；

3)将上述有特征参数的训练样本利用分类算法，确定模型中不同类型的心脏病所对应的参数，结合交叉验证的方法对所得到的模型进行融合并存储于云端的数据库模块。

本发明的工作过程如下：

在对潜在心脏病患者进行筛查的时候，只需要准备好采集模块，然后连接到云端数据。将心音采集传感器所在的一侧放置在被测试者胸前第四根肋骨之间，放置稳定后开始测量测量8s之后，即可停止测量。

本发明会自动上传数据，并经过数据分析软件计算该测量结果所对应的模型。并于和数据库中的数据进行对比，如果被测试者的心音数据和某一类心脏病的模型一致，则需要进行确诊。反之，如果数据显示不存在患病可能，则不需要到医院进行确诊。

本发明采用硬件隔离噪音技术、机器学习算法以及云端和大数据的设计，对使用环境没有特定需求，因此使用时不需要一定去医院，且设备体积小，医院和个人均可以采购和使用。医院可用于确诊前筛查，个人可用于平时的心脏病监测。

以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。