一种罗音检测的方法和装置的制造方法
【技术领域】
[0001] 本发明设及生物医学信号处理技术领域，尤其设及一种罗音检测的方法和装置。
【背景技术】
[0002] 呼吸系统疾病是常见疾病，例如哮喘、慢性阻塞性肺疾病(COPD )、肺炎、支气管炎 等。近年来随着空气污染和其他环境因素，呼吸系统疾病患病率持续增长，肺部疾病诊断得 到了更多的关注。肺部呼吸音含有大量信息，是反应肺的生理及病理的一项重要指标。其 中，罗音是一种常见的肺部异常音，与肺炎等疾病密切相关。目前，临床医学对罗音的诊断 主要依靠听诊，运很大程度上依赖于医生的听诊技术和临床经验，主观性较强。
[0003] 随着数字信号处理技术的发展，国内外越来越多的研究者致力于肺音信号研究， 通过信号处理技术分析肺音，提取其中的生理及病理信息，建立一个分类系统，W准确地量 化正常和异常肺音，从而为肺的状态评估及疾病诊断提供更多的依据。目前，采用信号处理 技术检测罗音主要通过时频分析(短时傅里叶变换、小波分解等)提取其特征(功率、分形维 数等），通过机器学习或者神经网络的方法训练分类器，从而对罗音进行识别。但是目前大 部分方法，其检测过程较为复杂，计算量较大，限制了实时性、便携型设备的发展。
【发明内容】
[0004] 为了解决上述问题，第一方面，本发明提供了一种罗音检测的分类器训练方法，该 方法包括:接收肺音训练信号，通过对肺音训练信号进行滤波处理，输出滤波信号，肺音训 练信号包括若干正常肺音和罗音;对滤波信号进行时频变换，得到时频信号；根据时频信 号，分别沿频率轴积分得到时间边缘信号和沿时间轴积分得到频率边缘信号;根据频率边 缘信号得到肺音训练信号的第一特征值，根据时间边缘信号得到肺音训练信号的第二特征 值和/或肺音训练信号的第=特征值;利用肺音训练信号的第一特征值和第二特征值、或第 一特征值和第=特征值、或第一特征值和第二特征值和第=特征值来构建肺音训练信号的 特征向量;通过肺音训练信号的特征向量，训练分类器。
[0005] 进一步的，对滤波信号进行时频变换得到时频信号的步骤，包括:对滤波信号进行 短时傅里叶变换，得到时频信号。
[0006] 进一步的，肺音训练信号的第一特征值是频率边缘信号下降到其最大值的0.05至 0.15倍范围内指定倍数值对应的频率与频率边缘信号最大值对应的频率的比值。
[0007] 进一步的，肺音训练信号的第二特征值是时间边缘信号的标准差或方差。
[000引进一步的，肺音训练信号的第=特征值是对时间边缘信号进行平滑滤波后的信号 的标准差或方差。
[0009] 进一步的，分类器是支持向量机分类器。
[0010] 第二方面，本发明提供了一种罗音检测方法，该方法包括:接收待测肺音信号，通 过对待测肺音信号进行滤波处理，输出滤波信号；对滤波信号进行时频变换，得到时频信 号;根据时频信号，分别沿频率轴积分得到时间边缘信号和沿时间轴积分得到频率边缘信 号;根据频率边缘信号得到待测肺音信号的第一特征值，根据时间边缘信号得到待测肺音 信号的第二特征值和/或待测肺音信号的第=特征值;利用待测肺音信号的第一特征值和 第二特征值、或第一特征值和第=特征值、或第一特征值和第二特征值和第=特征值来构 建待测肺音信号的特征向量;将待测肺音信号的特征向量送入已训练的分类器中进行分类 识别，输出识别结果。
[0011] 进一步的，对滤波信号进行时频变换得到时频信号的步骤，包括:对滤波信号进行 短时傅里叶变换，得到时频信号。
[0012] 进一步的，待测肺音信号的第一特征值是频率边缘信号下降到其最大值的0.05至 0.15倍范围内指定倍数值对应的频率与频率边缘信号最大值对应的频率的比值。
[0013] 进一步的，待测肺音信号的第二特征值是时间边缘信号的标准差或方差。
[0014] 进一步的，待测肺音信号的第=特征值是对时间边缘信号进行平滑滤波后的信号 的标准差或方差。
[0015] 进一步的，已训练的分类器是已训练的支持向量机分类器。
[0016] 第=方面，本发明提供了一种罗音检测装置，该装置包括:滤波单元、时频变换单 元、时间边缘信号和频率边缘信号计算单元、特征值计算单元、特征向量构建单元和分类单 元，滤波单元用于对待检测肺音进行滤波，输出滤波信号;时频变换单元用于对滤波信号进 行时频变换，得到时频信号;时间边缘信号和频率边缘信号计算单元，包括时间边缘信号计 算单元和频率边缘信号计算单元分别用于根据时频信号沿频率轴积分得到时间边缘信号， W及根据时频信号沿时间轴积分得到频率边缘信号;特征值计算单元用于根据频率边缘信 号计算得到待测肺音信号的第一特征值，根据时间边缘信号计算得到待测肺音信号的第二 特征值和/或待测肺音信号的第=特征值;特征向量构建单元用于利用待测肺音信号的第 一特征值和第二特征值、或第一特征值和第=特征值、或第一特征值和第二特征值和第= 特征值来构建待测肺音信号的特征向量;分类单元用于根据待测肺音信号的特征向量利用 已训练的分类器对待检测肺音进行分类识别，输出识别结果。
[0017] 进一步的，待测肺音信号的第一特征值是频率边缘信号下降到其最大值的0.05至 0.15倍范围内指定倍数值对应的频率与频率边缘信号最大值对应的频率的比值;待测肺音 信号的第二特征值是时间边缘信号的标准差或方差，待测肺音信号的第=特征值是对时间 边缘信号进行平滑滤波后的信号的标准差或方差。
[0018] 本发明实施例通过分别提取待检测肺音的时间边缘信号W及频率边缘信号的相 应特征组成特征向量，采用支持向量机分类器对待检测肺音进行检测，根据特征向量的特 征信息来判断待检测肺音是否是罗音，该过程中在保证罗音的检测准确性的同时又降低了 计算量，提高了实时检测效率，具有良好的应用前景。
【附图说明】
[0019] 为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用 的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动的前提下，还可W根据运些附图获得其它的 附图。
[0020] 图1为本发明实施例提供的一种罗音检测的分类器训练方法流程图
[0021 ]图2为罗音与正常肺音频率边缘特性对比示意图；
[0022] 图(a)为罗音频率边缘特性示意图；
[0023] 图(b)为正常肺音频率边缘特性示意图；
[0024] 图3为罗音与正常肺音时间边缘特性对比示意图；
[0025] 图(a)为罗音时间边缘特性示意图；
[0026] 图(b)为正常肺音时间边缘特性示意图；
[0027] 图4为本发明实施例提供的一种罗音检测方法流程图；
[0028] 图5为本发明实施例提供的一种罗音检测装置。
【具体实施方式】
[0029] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
[0030] 罗音在时频域具有明显特征:在时域上，罗音开始于一个突然的尖锐震荡然后逐 渐展宽，持续时间一般小于20ms;在频域上，其频率一般在150-1800化，与正常肺音的频率 有较大差别。
[0031] 根据罗音的特点，本发明实施例采用基于时频特征联合分析的方法对罗音进行检 测。
[0032] 罗音的检测过程包括训练过程和识别过程。训练过程包括接收正常肺音和罗音两 类若干训练肺音信号，提取训练