基于声学生物标志物及肺病特征的肺病预测装置的制作方法

本发明涉及声音信号识别，具体涉及一种基于声学生物标志物及病症特征的肺病预测装置。

背景技术：

1、呼吸系统疾病是发病率和死亡率增长最快，对人群健康和生命威胁最大的疾病之一，是我国面临的重大卫生问题。疾病早期发现对患者至关重要，相关技术中，呼吸系统疾病主要通过采集肺部ct影像进行机器学习以实现对肺病的预测，但是ct影像在图像处理过程中存在流程较为复杂、有辐射、成本高。

技术实现思路

1、有鉴于此，本发明提供了一种基于声学生物标志物及病症特征的肺病预测装置，以解决通过肺部ct影像进行预测肺部疾病方式有辐射、成本高、流程复杂的问题。

2、根据第一方面，本发明实施例还提供一种基于声学生物标志物的肺病预测装置，包括：

3、样本数据获取模块，用于获取肺病对象发出的第一类声学生物标志物和健康对象发出的第二类声学生物标志物；

4、样本特征提取模块，用于从第一类声学生物标志物中提取第一梅尔谱特征和从第二类声学生物标志物中提取第二梅尔谱特征；

5、第一模型训练模块，用于基于第一梅尔谱特征和第二梅尔谱特征进行模型训练以构建肺病第一预测模型，肺病第一预测模型的训练过程包括：将第一梅尔谱特征和第二梅尔谱特征输入初始的肺病第一预测模型中进行比对以得到二者之间的差异性特征，再通过预设方式训练初始的肺病第一预测模型，以构建训练后的肺病第一预测模型；

6、待测数据获取模块，用于获取待预测对象发出的待测声学生物标志物；

7、待测特征提取模块，用于从待测声学生物标志物中提取待测梅尔谱特征；

8、肺病结果第一预测模块，用于将待测梅尔谱特征输入肺病第一预测模型进行训练，获取肺病第一预测模型输出的肺病第一预测结果；

9、肺病概率第一确定模块，用于根据肺病第一预测结果确定待预测对象的肺病发生概率。

10、结合执行上述实施方式，将肺病对象发出的第一类声学生物标志物和健康对象发出的第二类声学生物标志物作为样本训练数据集，并从中提取第一梅尔谱特征和第二梅尔谱特征构建肺病第一预测模型，有利于就医人员随时随地利用移动终端对自我声学生物标志物进行采集，以预测是否存在肺病倾向，以解决就医人员去医院拍摄肺部ct影像，成本不但高，且对身体造成辐射的问题，另外，本发明预测流程简单，且提升了预测效率，只需比对梅尔谱特征即可实现预测目的。

11、在一种可选的实施方式中，第一类声学生物标志物包括第一类咳嗽声音、第一类说话声音和第一类呼吸声音，第二类声学生物标志物包括第二类咳嗽声音、第二类说话声音和第二类呼吸声音。

12、结合上述实施方式，通过采集不同类型的声学生物标志物，可以提高预测肺病的准确度。

13、在一种可选的实施方式中，样本特征提取模块，包括：

14、预处理子模块，用于分别对第一类声学生物标志物和第二类声学生物标志物进行预处理；

15、分帧处理子模块，用于分别按照预设帧长和预设帧移对预处理后的第一类声学生物标志物和第二类声学生物标志物进行分帧处理；

16、加窗处理子模块，用于分别对分帧处理后的第一类声学生物标志物和第二类声学生物标志物进行加窗处理；

17、傅里叶变换子模块，分别对加窗处理后的第一类声学生物标志物和第二类声学生物标志物进行傅里叶变换处理；

18、对数处理子模块，用于分别对傅里叶变换处理后的第一类声学生物标志物和第二类声学生物标志物进行对数运算，得到第一类声学生物标志物对应的第一梅尔谱特征和第二类声学生物标志物对应的第二梅尔谱特征。

19、结合上述实施方式，对第一类声学生物标志物和第二类声学生物标志物分别进行预处理、分帧处理、加窗处理、傅里叶变换处理、对数运算，有利于精准训练肺病第一预测模型。

20、在一种可选的实施方式中，分别对傅里叶变换处理后的第一类声学生物标志物和第二类声学生物标志物进行对数运算，得到第一类声学生物标志物对应的第一梅尔谱特征和第二类声学生物标志物对应的第二梅尔谱特征，通过如下公式执行：

21、

22、

23、其中，mel(f1)为第一梅尔谱特征，mel(f2)为第二梅尔谱特征，f1为第一预设频率，f2为第二预设频率，a为第一预设系数、b为第二预设系数，c为第三预设系数。

24、通过执行上述实施方式，对傅里叶变换处理后的第一类声学生物标志物和第二类声学生物标志物进行对数运算，有利于更加清晰区分出第一类声学生物标志物和第二类声学生物标志物的差异性。

25、在一种可选的实施方式中，第一模型训练模块，包括：

26、第一音频划分子模块，用于获取第一梅尔谱特征的首阶音频特征、中阶音频特征和尾阶音频特征；

27、第二音频划分子模块，用于获取第二梅尔谱特征的首阶音频特征、中阶音频特征和尾阶音频特征；

28、第三音频划分子模块，用于利用音频检测模块比对第一梅尔谱特征的首阶音频特征、中阶音频特征和尾阶音频特征和第二梅尔谱特征的首阶音频特征、中阶音频特征和尾阶音频特征，检测第一梅尔谱特征和第二梅尔谱特征二者之间的差异性特征。

29、结合上述实施方式，将第一梅尔谱特征和第二梅尔谱特征划分成不同阶段的音频特征，有利于精准比对第一梅尔谱特征和第二梅尔谱特征之间的差异性。

30、在一种可选的实施方式中，通过预设方式训练初始的肺病第一预测模型，包括：

31、基于预设通道维度、预设梅尔谱特征维度、预设梅尔谱特征帧数、预设数据处理量，逐步通过第一次转置处理、第一次整形处理、池化处理、第一次线性处理、修正处理、第二次线性处理、激活处理、复制处理、第二次整形处理、第二次转置处理第一梅尔谱特征和第二梅尔谱特征。

32、结合上述实施方式，逐步通过第一次转置处理、第一次整形处理、池化处理、第一次线性处理、修正处理、第二次线性处理、激活处理、复制处理、第二次整形处理、第二次转置处理第一梅尔谱特征和第二梅尔谱特征，有利于提升肺病第一预测模型的精确度。

33、在一种可选的实施方式中，通过预设方式训练初始的肺病第一预测模型，还包括：

34、通过目标损失函数对肺病第一预测模型进行网络参数优化；

35、在网络参数优化之后，通过梯度下降算法对肺病第一预测模型进行网络参数更新。

36、结合上述实施方式，对肺病第一预测模型进行网络参数优化和网络参数更新，有利于进一步增强肺病第一预测模型的精确性。

37、在一种可选的实施方式中，肺病概率第一确定模块，包括：

38、预设阈值确定子模块，用于确定预设阈值；

39、第一概率确定子模块，用于若肺病第一预测结果大于或等于第一预设阈值，则待预测对象发生肺病概率大；

40、第二概率确定子模块，用于若肺病第一预测结果小于预设阈值，则待预测对象发生肺病概率小。

41、根据第二方面，本发明实施例还提供一种肺病特征的肺病预测装置，包括：

42、肺病症状获取模块，用于通过量表工具获取每个预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状；

43、症状特征确定模块，用于若每个预测对象存在咳嗽症状，或发烧症状，或呼吸症状或胸痛症状，或咳血症状标记为第一特征值，若每个预测对象不存在咳嗽症状，或发烧症状，或呼吸症状，或胸痛症状，或咳血症状标记为第二特征值；

44、第二模型训练模块，用于将每个预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状分别对应的特征值进行组合编码，以构建肺病第二预测模型；

45、待测症状获取模块，用于通过量表工具获取待预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状；

46、待测症状提取模块，用于提取待预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状分别对应的特征值；

47、肺病结果第二预测模块，用于将待预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状分别对应的特征值输入肺病第二预测模型进行训练，获取肺病第二预测模型输出的肺病第二预测结果；

48、肺病概率第二确定模块，用于根据肺病第二预测结果确定待预测对象的肺病发生概率。

49、结合上述实施方式，通过量表工具获取待预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状，并将待预测对象的咳嗽症状、发烧症状、呼吸症状、胸痛症状、咳血症状分别对应的特征值输入肺病第二预测模型进行训练，以预测待预测对象是否存在肺病概率倾向，无需就医人员去医院拍摄肺部ct影像，预测流程简单，且提升了预测效率，并且通过声学生物标志物方式进行模型预测相比于ct影像更加简单，只需量表工具实时测量即可实现预测目的。

50、在一种可选的实施方式中，肺病概率第二确定模块，包括：

51、预设阈值确定子模块，用于确定预设阈值；

52、第一概率确定子模块，用于若肺病第二预测结果大于或等于预设阈值，则待预测对象发生肺病概率大；

53、第二概率确定子模块，用于若肺病第二预测结果小于预设阈值，则待预测对象发生肺病概率小。