基于浅层学习和深度学习融合的心音识别方法及相关装置.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113855065A(43)申请公布日2021.12.31(21)申请号202111141595.9(22)申请日2021.09.28(71)申请人平安科技（深圳）有限公司地址518000广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼(72)发明人吴冀平王健宗彭俊清(74)专利代理机构广州三环专利商标代理有限公司44202代理人熊永强(51)Int.Cl.A61B7/04(2006.01)权利要求书2页说明书13页附图2页(54)发明名称基于浅层学习和深度学习融合的心音识别方法及相关装置(57)摘要本申请涉及人工智能技术领域，提出一种基于浅层学习和深度学习融合的心音识别方法及相关装置，其中方法包括：对原始心音信号进行预处理，得到待识别心音信号；基于浅层学习的第一心音识别模型对所述待识别心音信号进行特征提取，得到目标浅层心音特征；基于深层学习的第二心音识别模型对所述待识别心音信号进行特征提取，得到目标深层心音特征；对所述目标浅层心音特征和所述目标深层心音特征进行决策融合，得到目标心音分类结果。采用本申请，可提高心音识别的准确率。CN113855065ACN113855065A权利要求书1/2页1.一种基于浅层学习和深度学习融合的心音识别方法，其特征在于，包括：对原始心音信号进行预处理，得到待识别心音信号；基于浅层学习的第一心音识别模型对所述待识别心音信号进行特征提取，得到目标浅层心音特征；基于深层学习的第二心音识别模型对所述待识别心音信号进行特征提取，得到目标深层心音特征；对所述目标浅层心音特征和所述目标深层心音特征进行决策融合，得到目标心音分类结果。2.根据权利要求1所述的方法，其特征在于，所述目标心音分类结果包括目标心脏状态的目标心脏参数，所述对所述目标浅层心音特征和所述目标深层心音特征进行决策融合，得到目标心音分类结果，包括：获取所述目标浅层心音特征对应的第一心脏参数；获取所述目标深层心音特征对应的第二心脏参数；基于所述第一心脏参数和所述第二心脏参数获取所述目标心脏参数。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一心脏参数和所述第二心脏参数获取所述目标心脏参数，包括：获取所述第一心音识别模型的第一识别率；获取所述第二心音识别模型的第二识别率；基于所述第一识别率和所述第二识别率获取所述目标心脏状态的正权值和负权值；基于所述正权值、所述第一心脏参数和所述第二心脏参数计算所述目标心脏状态的正心音参数；基于所述负权值、所述第一心脏参数和所述第二心脏参数计算所述目标心脏状态的负心音参数；将所述正心音参数和所述负心音参数之间的最大值，作为所述目标心脏参数。4.根据权利要求3所述的方法，其特征在于，所述获取所述第二心音识别模型的第二识别率，包括：根据心音识别样本集中每一未标记样本和已标记样本对所述第二心音识别模型进行训练，得到所述未标记样本的识别结果和所述已标记样本的识别结果；基于所述已标记样本的识别结果和所述已标记样本的预设结果获取所述已标记样本的第一子识别率；基于无监督学习的第三心音识别模型获取所述未标记样本的异常概率；基于所述未标记样本的识别结果和所述异常概率获取所述未标记样本的第二子识别率；基于所述第一子识别率和所述第二子识别率获取所述第二心音识别模型的第二识别率。5.根据权利要求1‑4中任一项所述的方法，其特征在于，所述对原始心音信号进行预处理，得到待识别心音信号，包括：按照频率将原始心音信号进行分层，得到子心音信号；获取所述子心音信号的重构信号；2CN113855065A权利要求书2/2页对所述重构信号进行软阈值降噪，得到待识别心音信号。6.根据权利要求1‑4中任一项所述的方法，其特征在于，所述基于浅层学习的第一心音识别模型对所述待识别心音信号进行特征提取，得到目标浅层心音特征，包括：基于浅层学习的第一心音识别模型获取所述待识别心音信号的浅层特征；基于序列浮动前向选择模型从所述浅层特征中选取部分浅层特征；基于支持向量机模型对所述部分浅层特征进行分类，得到目标浅层心音特征。7.根据权利要求1‑4中任一项所述的方法，其特征在于，所述基于深层学习的第二心音识别模型对所述待识别心音信号进行特征提取，得到目标深层心音特征，包括：提取所述待识别心音信号对应的梅尔频率倒谱系数；计算所述梅尔频率倒谱系数的一阶差分系数和二阶差分系数；将所述梅尔频率倒谱系数、所述一阶差分系数和所述二阶差分系数输入至基于深层学习的第二心音识别模型，得到目标深层心音特征。8.一种基于浅层学习和深度学习融合的心音识别装置，其特征在于，包括：预处理单元，用于对原始心音信号进行预处理，得到待识别心音信号；特征提取单元，用于基于浅层学习的第一心音识别模型对所述