心音图处理方法和装置、电子设备及程序产品与流程
本发明涉及医疗领域,特别是涉及心音图处理方法和装置、电子设备及程序产品。
背景技术:
1、心音是心脏活动的直接反映,通过对心音的分析可以诊断多种心脏病,如瓣膜病、心肌病和心律失常等。传统上,医生通过听诊器听取心音来初步判断心脏健康状况。在临床实践中,医生通常在患者心脏周围的多点听诊,直接听取瓣膜开闭和血液流动的声音,进而诊断相关的心脏疾病。这种方法需要医生具备丰富的听诊经验和较高的诊断水平。
2、心音图(phonocardiography, pcg)是最常用的心音记录和分析方法之一,它通过传感器捕捉心音信号,并将其记录成图形,以便进行详细分析。传统心音分析方法主要依赖医生的主观听诊经验,不同医生对同一杂音的描述可能存在差异,缺乏统一的量化描述标准,导致诊断结果难以客观比较。
3、随着计算机技术的发展,各种信号处理方法被应用于心音分析,但现有技术普遍存在分析复杂、直观性差的问题,在实际临床应用中受到限制。同时,现有技术难以在存在杂音、心律不齐等复杂情况下实现高效、准确、自动化的心音信号分析。
4、由于上述局限性,有效的心音信号自动分析与客观量化评估仍然是医疗领域面临的技术挑战。
5、本背景技术描述的内容仅为了便于了解本领域的相关技术,不视作对现有技术的承认。
技术实现思路
1、本发明实施例旨在提供至少部分地缓解或解决上述技术问题的心音图处理方案。
2、在第一方面,本发明实施例提供一种心音图处理方法,其可包括:
3、在心音图中识别第一心音和第二心音;
4、使用滑动窗口确定所述第一心音和第二心音关联的功率密度特征;
5、基于所述功率密度特征,获取所述心音图的杂音信息。
6、在一些实施例中,所述在心音图中识别第一心音和第二心音,包括:
7、获取心音图的二维图像;
8、通过目标识别模型识别所述心音图的二维图像中的第一心音和第二心音,生成对应所述第一心音和第二心音的第一边界框和第二边界框;
9、根据所述第一边界框确定所述第一心音的起始时间点和结束时间点;
10、根据所述第二边界框确定所述第二心音的起始时间点和结束时间点。
11、在一些实施例中,所述使用滑动窗口确定所述第一心音和第二心音关联的功率密度特征,包括:
12、以所述第一心音和/或第二心音的边界框中心位置作为起始滑动窗口的中心点,使所述滑动窗口移动;
13、计算所述滑动窗口内信号的功率密度特征。
14、在一些实施例中,所述基于所述功率密度特征,获取所述心音图的杂音信息,包括下述至少一项:
15、分析第一心音区域的功率密度特征,以获取所述第一心音前后位置的杂音信息;
16、分析第二心音区域的功率密度特征,以获取所述第二心音前后位置的杂音信息;
17、分析第一心音区域与第二心音区域之间的第一中间区域的功率密度特征,以获取第一心音和第二心音期间的杂音信息;
18、分析第二心音区域与相邻第一心音区域之间的第二中间区域的功率密度特征,以获取第二心音和第一心音期间的杂音信息。
19、在一些实施例中,所述杂音信息包括杂音位置、杂音类别、杂音形状和杂音强度中的至少一项。
20、在一些实施例中,所述心音图处理方法还包括:
21、根据所获取的杂音信息对所述心音图的杂音信号频谱分析以确定心脏的瓣膜状态。
22、在一些实施例中,所述根据所获取的杂音信息对所述心音图的杂音信号频谱分析以确定心脏瓣膜状态,包括:
23、根据所获取的杂音信息确定所述心音图中的杂音位置,并提取杂音位置的心电图信号以获得杂音信号;
24、对所述杂音信号执行快速傅里叶变换,生成杂音信号的频谱特征图;
25、基于所述频谱特征图的频率分布特征,确定所述心脏的瓣膜状态。
26、在一些实施例中,所述基于所述频谱特征图的频率分布特征,确定所述心脏的瓣膜状态,包括:
27、根据所述频谱特征图的低频成分的相对大比例、高频谱均匀度和长持续时间,确定所述心脏的第一瓣膜状态,所述第一瓣膜状态为瓣膜关闭不全;
28、根据所述频谱特征图的低频成分的相对小比例、高频谱均匀度和短持续时间,确定所述心脏的第二瓣膜状态,所述第二瓣膜状态为瓣膜狭窄。
29、在一些实施例中,所述心音图处理方法还包括:
30、将所述杂音信息转换为包含标准医学术语的结构化文本描述;
31、将所述结构化文本描述通过预设接口格式输入至人工智能文本分析系统,所述人工智能文本分析系统包括一个或多个协作的大型语言模型;
32、通过所述人工智能文本分析系统分析所述结构化文本描述,输出心脏状态评估结果。
33、在一些实施例中,所述心音图处理方法还包括:获取心脏的心率状态,具体包括:
34、基于所述第一心音的第一边界框、起始时间点和/或结束时间点,测量相邻两个第一心音之间的时间间隔;
35、根据所述时间间隔确定心率;
36、根据所述心率是否大于预设心率阈值,确定心脏的第一心率状态和第二心率状态,所述心脏的第一心率状态为心动过缓,第二心率状态为心动过速。
37、在一些实施例中,所述心音图处理方法还包括:获取心脏的心律状态,具体包括:
38、根据多个所述心率确定心率平均值;
39、确定所述多个心率相比于所述心率平均值的偏差百分比;
40、根据所述偏差百分比是否超过预设阈值时,确定为第一心律状态或第二心律状态,所述第一心律状态为心律不齐,所述第二心律状态为正常心律。
41、在一些实施例中,在通过所述目标识别模型识别心音图的二维图像之前,所述方法还包括:训练所述目标识别模型,具体包括:
42、准备训练数据集,所述训练数据集包含使用矩形框标注第一心音和第二心音的心音图;
43、迭代执行下述步骤直至达到预设训练完成条件:
44、将含有被标注第一心音和第二心音的训练数据输入待训练的目标识别模型框架中,获得与被标注心音相关的预测值,所述预测值包括被标注心音的预测边界框;
45、基于给定的损失函数,计算预测值和真实值之间的损失值;
46、基于所述损失值更新所述目标识别模型框架的参数。
47、在第二方面,本发明实施例提供一种心音图处理方法,其可包括:
48、获取心音图的二维图像;
49、通过目标识别模型识别所述心音图的二维图像中的至少一种心音,生成对应所述至少一种心音的边界框;
50、根据所述边界框确定所述至少一种心音的时间位置信息;
51、基于所述时间位置信息,确定所述至少一种心音的时间间隔。
52、在一些实施例中,所述至少一种心音包括第一心音,所述目标识别模型生成对应所述第一心音的第一边界框,所述时间间隔包括相邻两个第一心音之间的第一时间间隔。
53、在一些实施例中,所述心音图处理方法:获取心脏的心率状态,具体包括:
54、根据所述第一时间间隔确定心率;
55、根据所述心率是否大于预设心率阈值,确定心脏的第一心率状态和第二心率状态,所述心脏的第一心率状态为心动过缓,第二心率状态为心动过速。
56、在一些实施例中,所述心音图处理方法还包括:获取心脏的心律状态,具体包括:
57、根据多个所述心率确定心率平均值;
58、确定所述多个心率相比于所述心率平均值的偏差百分比;
59、根据所述偏差百分比是否超过预设阈值时,确定为第一心律状态或第二心律状态,所述第一心律状态为心律不齐,所述第二心律状态为正常心律。
60、在一些实施例中,所述至少一种心音包括第二心音,所述目标识别模型生成对应所述第二心音的第二边界框,所述时间间隔包括相邻两个第二心音之间的第二时间间隔。
61、在一些实施例中,所述至少一种心音包括第一心音和第二心音,所述目标识别模型生成对应所述第一心音和第二心音的第一边界框和第二边界框,
62、其中,所述时间间隔包括:
63、第一边界框对应的第一心音与相邻的第二边界框对应的第二心音之间的第三时间间隔;以及
64、第二边界框对应的第二心音与相邻的第一边界框对应的第一心音之间的第四时间间隔。
65、在第三方面,本发明实施例提供一种心音图处理装置,其可包括:
66、识别单元,配置成在心音图中识别第一心音和第二心音;
67、确定单元,配置成使用滑动窗口确定所述第一心音和第二心音关联的功率密度特征;以及
68、获取单元,配置成基于所述功率密度特征,获取所述心音图的杂音信息。
69、在第四方面,本发明实施例提供一种心音图处理装置,其可包括:
70、获取单元,配置成获取心音图的二维图像;
71、识别单元,配置成通过目标识别模型识别所述心音图的二维图像中的至少一种心音,生成对应所述至少一种心音的边界框;
72、时间位置确定单元,配置成根据所述边界框确定所述至少一种心音的时间位置信息;以及
73、时间间隔确定单元,配置成基于所述时间位置信息,确定所述至少一种心音的时间间隔。
74、在第五方面,本发明实施例提供一种电子设备,包括:处理器和存储有计算机程序的存储器,所述处理器被配置为在执行所述计算机程序时实现如第一方面或第二方面所述的方法。
75、在第六方面,本发明实施例提供一种程序产品,包括计算机程序,其中,所述计算机程序被处理器执行时实现如第一方面或第二方面所述的方法。
76、在第七方面,本发明实施例提供一种存储介质,存储有计算机程序,其中,所述计算机程序被处理器执行时实现如第一方面或第二方面所述的方法。
77、本发明实施例提供的心音图处理方法,通过在心音图中识别第一心音和第二心音,使用滑动窗口确定所述第一心音和第二心音关联的功率密度特征,并基于所述功率密度特征获取心音图的杂音信息。本发明实施例的心音图处理方法针对传统心音分析依赖医生主观描述,缺乏统一标准的技术问题,提供了一种客观量化的杂音分析方案。进一步地,该心音图处理方法,通过目标识别模型对心音图二维图像中的心音进行精确识别和分割,以心音边界框中心位置作为起始滑动窗口的中心点,分析各个区域的功率密度特征,获取包括杂音位置、类别、形状和强度等特征在内的杂音信息。进一步地,该心音图处理方法还提供了对心音图杂音信号的频谱分析功能,通过对杂音信号执行快速傅里叶变换,生成频谱特征图,基于频率分布特征确定心脏的瓣膜状态,可以区分瓣膜关闭不全和瓣膜狭窄等病理状态。此外,该心音图处理方法还包括将杂音信息转换为结构化文本描述,通过人工智能文本分析系统进行分析,输出心脏状态评估结果,为心脏状态评估提供客观依据。
78、本发明另外实施例提供的心音图处理方法,通过获取心音图的二维图像,利用目标识别模型识别心音图中的至少一种心音,生成对应边界框,根据边界框确定心音的时间位置信息,并基于时间位置信息确定心音的时间间隔。本发明另外实施例的心音图处理方法针对传统心率和心律分析精确度不足的技术问题,提供了一种高精度的心音时间特征分析方案。该心音图处理方法不仅可以分析第一心音之间的时间间隔以计算心率,判断心动过缓或心动过速,还可以通过分析心率偏差百分比来确定心律状态,识别心律不齐等异常情况。此外,该心音图处理方法还可以通过分析第一心音与第二心音之间以及第二心音与第一心音之间的时间间隔,评估心脏的收缩和舒张功能。
79、本发明实施例的技术方案实现了以下技术效果:一方面,通过滑动窗口功率密度分析实现了杂音特征的客观量化,建立了标准化的杂音分类体系,解决了传统心音诊断主观性强、缺乏统一标准的问题;另一方面,通过精确的心音识别和时间间隔分析,实现了高精度的心率计算和心律状态评估,特别适用于复杂心音环境下的心率监测。此外,本发明实施例的技术方案还能实现从信号分析到心脏评估结果的自动化端到端的流程,大幅提高了心音分析的效率和准确性,在各种涉及心音信号分析的医疗方案中,特别是在基层医疗机构或远程医疗场景下,提供了有力的技术支撑。
80、本发明实施例的其他可选特征和技术效果一部分在下文描述,一部分可通过阅读本文而明白。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com