一种基于深度置信网络的心音诊断系统及其诊断方法
【技术领域】
[0001] 本发明涉及医疗器械领域的心音诊断技术，具体涉及基于深度置信网络的心音诊 断系统及其诊断方法，属于基于深度置信网络的心音诊断系统及其诊断方法的创新技术。
【背景技术】
[0002] 心音信号是人体重要的生理信号之一，蕴含了人体大量的心脏原始病理信息，因 此心音诊断具有不可替代的优势和临床价值。通过对心音的分析，医学上通常可以将心音 的诊断大致分为正常心音、心音发生异常、额外心音、心脏杂音、心包摩擦音5种情况，在本 发明中将心音的5种诊断类别详细划分为以下14种类别：
[0003] 1?正常心音
[0004] 2.心音发生异常：心音的变化包括心音强度（增强或减弱）、性质的改变和心音分 裂。
[0005] 1)心音强度改变：由肺气肿、胸腔积液、心包积液等病症引起。
[0006] 2)心音性质改变：由大面积急性心肌梗死、重症心肌炎等病症引起。
[0007] 3)心音分裂：由肺动脉瓣或者主动脉瓣狭窄、二尖瓣狭窄、重度高血压等病理。
[0008] 3?额外心音
[0009] 1)早期舒张期额外心音：由左心室功能低下，舒张期容量负荷过重，心肌功能严 重障碍等病症引起。
[0010] 2)晚期舒张期额外心音：由负荷过重引起心室肥厚的心脏病引起，如高血压性心 脏病、肥厚型心肌病、主动脉瓣狭窄、肺动脉瓣狭窄等。
[0011]3)人工瓣膜音：由置入的人工机械瓣膜，在开放和关闭时瓣膜撞击金属支架所 致。
[0012] 4.心脏杂音
[0013] 1)血流加速：由发热、严重贫血、甲状腺功能亢进症引起的血流加速造成的心脏 杂音。
[0014] 2)狭窄：瓣膜口狭窄（如二尖瓣狭窄）或大血管有狭窄处（如先天性主动脉缩窄 等），或由于心脏扩大或大血管（肺动脉或主动脉）扩张所产生的瓣膜口相对狭窄，血流通 过时产生漩涡而出现杂音。
[0015] 3)瓣膜关闭不全：瓣膜关闭不全（如主动脉瓣关闭不全），或由于大血管或心脏扩 大使瓣膜口扩大形成相对性关闭不全，血液反流形成漩涡，产生杂音。
[0016] 4)异常血流通道：在心脏内或大血管间有不正常的通路，如室间隔缺损、动脉导 管未闭、动静脉瘘等。
[0017] 5)心腔内漂流物或异常结构：心室内假腱索或乳头肌、腱索断裂的残端在心腔内 摆动、漂游，血流被干扰而产生漩涡，出现杂音。
[0018] 6)动脉瘤：动脉壁由于病变或外伤发生局限性扩张，形成动脉瘤。血流自正常的 动脉管腔流经扩张的部位时，可产生漩涡而引起杂音。
[0019] 5.心包摩擦音：一般是由感染性心包炎（结核性、化脓性等）引起，也有时是由于 非感染性心包炎，如尿毒症性、肿瘤性、创伤性、放射损伤性、风湿性疾病和心脏损伤后综合 征等病症引起。
[0020] 传统的心音诊断是通过听诊器实现的，听诊器能为心脏疾病的诊断提供无创的丰 富的信息，是目前医护人员使用最为便捷、频繁和广泛的医疗器械之一。但是，传统听诊器 无法保存声音信号，听诊过程容易受听诊者主观经验的影响，具有明显的个性化差异。因此 传统听诊器存在主观性强、精度低的不足。
[0021] 近年来，国外高端电子听诊器逐渐兴起，它们可以高保真采集，存储和远程分享 听诊信号，使听诊更为准确、客观。但是，这些听诊器无法解决需要专业医生耗费大量的 时间来鉴别心音的复杂的病理特征这个关键问题，不能智能提取病理特征来辅助诊断。并 且这种听诊器由于技术垄断，价格昂贵，无法广泛应用，并且升级和维护困难。
【发明内容】
[0022] 本发明的目的在于克服上述现有技术的缺点和不足，提供一种基于深度置信网络 的心音诊断系统。本发明能够提高诊断准确率，克服对医生的专业性的依赖。
[0023] 本发明的另一目的在于提供一种基于深度置信网络的诊断方法。本发明简便患者 的操作，降低诊断成本。
[0024] 本发明采用的技术方案是：本发明基于深度置信网络的心音诊断系统，包括有心 音诊断终端、网络接口模块、数据库模块、数据分析模块、数据管理模块；所述数据管理模块 同时与数据库模块、数据分析模块、网络接口模块相连接，数据库同时与数据分析模块相连 接；所述网络接口模块与心音诊断终端信号相连接。
[0025] 本发明基于深度置信网络的心音诊断系统的诊断方法，包括以下步骤：
[0026] 1)系统启动后，数据管理模块负责调度并完成数据库模块、数据分析模块、网络接 口模块的自检和相关初始化工作；
[0027] 2)数据管理模块通过网络接口模块广播系统启动消息，并接收心音诊断终端的应 答消息；
[0028] 3)系统开始接收心音诊断终端上传的待诊断的心音信号，该信号通过网络接口传 送至数据管理模块，生成待诊断信号数据库；
[0029] 4)数据分析模块先从数据库模块中调用患者心音档案数据库，通过预处理模块对 患者心音档案数据库中的心音信号进行预处理；然后构造基于受限的玻尔兹曼机分层组成 的深度置信网络，并设置网络的层数和节点数；接着将完成预处理的心音信号输入到基于 受限的玻尔兹曼机分层组成的深度置信网络中，采用逐层贪婪算法训练得到一个较优的网 络初始权重，然后在深度置信网络的顶层加入Softmax分类器，通过用标签数据运用反向 传播算法对网络进行微调，从而训练出最优的网络模型；
[0030] 5)系统从数据库模块中调用待诊断信号数据库，取出待诊断信号，先通过预处理 模块对待诊断信号进行预处理；接着将完成预处理的待诊断信号输入到步骤4训练得到的 深度置信网络模型中，从网络模型的顶层的分类器输出诊断结果；
[0031] 6)数据管理模块通过网络接口模块将诊断结果发送到心音诊断终端，同时也将诊 断结果存入诊断结果备案数据库，如果结果可信，将该诊断结果和对应的患者心音信号同 时更新到患者心音档案数据库。
[0032] 本发明的基于深度置信网络的心音诊断系统利用受限的玻尔兹曼机分层表示方 法，模拟了大脑多层神经网络的认知过程，可以依据大量的患者的心音数据自动学习病理 特征和分类，本发明与现有技术相比，具有如下优点：
[0033] 1)本发明通过数据的网络传输实现了远程的心音自动诊断，患者无论何时何地都 能进行心音的采集和诊断，能够提高听诊效率，简便患者的操作，降低诊断成本。
[0034] 2)本发明可以将诊断可信的诊断结果和对应的待诊断信号加入患者心音档案数 据库，从而降低建立心音数据库的成本。
[0035] 3)本发明的诊断方法是基于受限玻尔兹曼机分层组成的深度置信网络模型，调用 患者心音档案数据库，采用逐层贪婪算法对建立好的深度置信网络进行训练，并在深度置 信网络的顶层加入Softmax分类器，并利用标签数据运用反向传播算法对网络进行微调。 将待诊断的心音信号输入到完成训练的深度置信网络模型中，在输出层就能得到最终的诊 断结果，并回传给心音诊断终端。本发明能够实现对患者的心音信号的远程诊断，操作方便 简单，诊断准确率高，成本低，便于维护和升级。
【附图说明】
[0036] 图1为本发明的系统原理图；
[0037] 图2为本发明基于深度置信网络的心音诊断的流程图；
[0038] 图3为本发明中深度置信网络示意图；
[0039] 图4为本发明中受限玻尔兹曼机的结构示意图。
【具体实施方式】
[0040] 为了使本发明的技术方案和优点更加清晰明白，以下结合附图，对本发明的技术 方案进行详细说明。
[0041]图1所示为本发明系统的原理图，本发明基于深度置信网络的心音诊断系统，包 括心音诊断终端、网络接口模块、数据库模块、数据分析模块、数据管理模块；所述数据管理 模块同时与数据库模块、数据分析模块、网络接口模块相连接，数据库同时与数据分析模块 相连接。所述网络接口模块与故障诊断终端信号相连接。所述网络接口模块、数据库模块、 数据分析模块和数据管理模块是集成在后台服务器中。
[0042] 所述心音诊断终端，用来接收和上传待诊断的心音信号，并且接收和显示诊断结 果；
[0043] 所述网络接口模块，用来接收来自网络的待诊断的心音信号，并且将诊断结果回 传给心音诊断终端；
[0044]所述数据库模块，用来存储待诊断信号数据库、患者心音档案数据库以及诊断