心音智能诊断系统的制作方法

1.本发明涉及人工智能及医疗电子技术领域，特别是涉及一种心音智能诊断系统。


背景技术：

2.心血管疾病是人类健康头号杀手。权威调查显示，每年死于心血管疾病的人数约占人类死亡总人数的三分之一多，心音听诊是早期发现心脏疾病的有效手段之一，被广泛用于临床医生诊断心脏疾病。
3.在临床上，心音听诊作为一种心脏疾病检查手段，可以凭借心音中出现的杂音和畸变音作为重要的诊断信息。在常规诊断中，通常是临床医生用传统听诊器直接听诊，需要与患者面对面，根据医生的临床经验对患者心肺疾病进行诊断。
4.问题是，边远地区的医疗资源匮乏，临床医生的水平和经验都无法与城市大医院的专家相比，难以根据心音听诊发现和准确诊断患者的心肺疾病。另一各问题是，通过传统听诊器直接听诊，无法实现居家和社区患者的远程听诊和自动诊断，无法保存患者的听诊信号。此外，尽管电子听诊器可以简单方便地采集心音信号，但由于在采集的过程中存在着噪声干扰而影响辨识度，从而导致心音分析诊断在实际应用上的困难。


技术实现要素：

5.针对上述问题，本发明提出了一种应用人工智能技术的心音智能诊断系统，大幅提高了心音诊断的速度及准确度。
6.为实现上述目的 ，本发明公开一种心音智能诊断系统，其特征在于，所述系统包括心音数据采集端、客户端和服务器端：所述心音数据采集端，用于采集心音数据并通过蓝牙将心音数据发送至客户端；所述客户端，用于控制和管理心音数据采集端，获取心音数据并将数据发送至服务器端，并将从服务器端接收的心音分析报告展示给用户；所述服务器端，用于根据获得的心音数据，通过心音数据分析模块处理，给出心音分类诊断结果，形成心音分析报告并发送至所述客户端。
7.根据本发明的一个方面，所述客户端包括客户端用户信息管理模块、客户端心音数据管理模块、分析结果展示模块和数据传输模块：所述客户端用户信息管理模块，用于记录和管理用户输入的个人信息；所述客户端心音数据管理模块，用于记录和管理获得的心音数据；所述分析结果展示模块，用于展示服务器端传回的心音分析报告；所述数据传输模块，用于与采集终端和服务器端进行数据交互。
8.优选地，所述客户端运行在智能手机上，通过蓝牙与所述心音数据采集端完成数据交互，通过手机无线网络完成与所述服务器端的数据交互。
9.根据本发明的另一方面，所述服务器端包括服务器端用户信息管理模块、服务器端心音数据管理模块、心音数据分析模块和服务器端数据传输模块：所述服务器端用户信息管理模块，用于收集和管理所有用户的个人信息；所述服务器端心音数据管理模块，用于
收集、存储和管理所有用户的心音数据；所述心音数据分析模块，用于通过人工智能分析用户的心音数据和完成分类诊断；所述服务器端数据传输模块，用于与客户端进行数据交互。
10.进一步，所述心音数据分析模块包括数据输入模块、数据预处理模块、人工智能分析模块：所述数据输入模块，用于读取从服务器端数据传输模块获得的，客户端上传的，经过预处理的用户心音数据；所述数据预处理模块，用于将从客户端获得的心音数据转换为人工智能分析模块所指定的数据格式与长度；所述人工智能分析模块，用于根据深度卷积神经网络模型利用深度学习算法对所述心音数据进行分类，从而实现对心音数据的分类诊断，输出心音分析报告。
11.根据本发明的再一方面，所述心音智能诊断系统的处理流程，其特征在于，所述处理流程包括如下步骤：步骤1，心音数据采集端采集心音数据并发送至客户端；步骤2，客户端将获得的心音数据发送至服务器端；步骤3，服务器端对所收到的所述心音数据进行存储，并用所述心音数据分析模块处理，得到心音分类诊断结果，形成心音分析报告发送至客户端；步骤4，客户端将接收的心音分析报告展示给用户。
12.优选地，所述步骤3中的心音数据分析模块是一个经过足够多的心音数据样本训练的人工智能分析模块，由深度卷积神经网络分类模型构成。
13.进一步，所述深度卷积神经网络分类模型，对所述的心音数据进行快速分类诊断。
14.进一步，所述深度卷积神经网络分类模型构建、训练和诊断流程包括以下步骤：步骤1，构建深度卷积神经网络分类模型；步骤2，用标注的心音数据训练所述深度卷积神经网络分类模型；步骤3，将训练好的深度卷积神经网络分类模型部署到所述心音数据分析模块中。
15.根据本发明的再一方面，本发明所述深人工智能分析模块包括输入模块、深度时空卷积网络模块和输出模块：所述输入模块，用于接收和处理所述心音数据；所述深度时空卷积网络模块，用于分类诊断所述心音数据；所述输出模块，用于输出所述心音数据分类诊断结果。
16.进一步，所述深度时空卷积网络模块包括输入层、时空卷积主网络模块、时空池化层、全连接层和softmax分类器：所述输入层，用于处理所收到的心音数据；所述时空卷积主网络模块，用于提取所述心音数据的时空特征参数；所述时空池化层，用于减少所述时空特征参数，从而减少最后连接层中的特征参数数量；所述全连接层，由多层全连接网络组成，用于将通过所述时空卷积主网络模块提取的时空特征重新通过权值构建完整的特征值矩阵；所述softmax分类器，用于按照要求分类数，给出分类结果。
17.进一步，所述时空卷积主网络模块，由多个输出与输入连接的时空卷积模块组成，构建成残差网络，即将上一个所述时空卷积模块的输入，同时连接到下一个时空卷积模块的输入，以此类推。
18.优选地，所述时空卷积模块由多层时空卷积层构成。
19.进一步，所述时空卷积层包括一层空间卷积层紧接着一层时间卷积层，所述空间卷积层是一维卷积层，所述时间卷积层是一维卷积层，两者构成的所述时空卷积层是二维卷积层。
20.与现有技术相比，本发明的有益效果是：提供了完整的心音远程、自动诊断心肺疾病的解决方案，通过人工智能技术，提高了心音诊断速度及诊断准确度，为边远地区和基层用户提供快速、精准的远程自动诊断，及时发现病症，减少误诊率。
附图说明
21.图1为本发明心音智能诊断系统的结构框图；图2为图1中的心音数据分析模块的结构框图；图3为本发明心音智能诊断系统的实施流程图；图4是本实施例的人工智能分析模块结构原理图；图5是本实施例的深度卷积神经网络模块结构图；图6是本发明实施例的时空卷积主网络模块结构原理图；图7是本发明实施例的人工智能分析模块实现流程。
具体实施方式
22.现在结合附图和优选实施例对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本原理、基本结构和基本功能，因此其仅显示与本发明有关的构成。
23.本领域的一般技术人员可能会意识到本发明的一些变体以及等同替代，但这些变体和等同替代不应理解为超出了本发明的保护范围。
24.图1为本发明心音智能诊断系统的结构框图。本发明提出的心音智能诊断系统如图1所示，包括采集终端1、客户端2和服务器端3：采集终端1，用于采集心音数据并通过蓝牙将心音数据发送至客户端2；客户端2，用于将控制和管理采集终端1，并将获得的心音数据发送至服务器端3，并将从服务器端3接收的心音分析报告展示给用户；服务器端3，用于根据获得的心音数据，通过心音数据分析模块处理，给出心音分类诊断结果，形成心音分析报告并发送至所述客户端2。
25.本发明实施例，客户端2在智能手机上运行，采集终端1与客户端2之间通过蓝牙进行通信，客户端2与服务器端3之间通过所述智能手机无线网络进行通信。
26.如图1所示，采集终端1包括心音数据采集模块1.1和数据传输模块1.2，心音数据采集模块1.1是一个数字听诊器， 通过将心音采集端贴紧心音听诊点采集心音数据，数据传输模块1.2用于与客户端进行数据交互。
27.如图1所示，客户端2包括客户端用户信息管理模块2.1、客户端心音数据管理模块2.2、分析结果展示模块2.3和客户端数据传输模块2.4，客户端用户信息管理 模块2.1用于记录和管理用户输入的个人信息；客户端心音数据管理模块2.2用于记录和管 理获得的心音数据；分析结果展示模块2.3用于展示服务器端3传回的心音分析报告；客户端数据传输模块2.4用于与采集终端1和服务器端3进行数据交互。
28.如图 1所示，服务器端3包括服务器端用户信息管理模块3.1、服务器端心音数据管理模块3.2、心音数据分析模块3.3和服务器端数据传输模块3.4；服务器端用户信息管理模块3.1用于收集和管理所有用户的个人信息；服务器端心音数据管理模块3.2用于收集、存储和管理所有用户的心音数据；心音数据分析模块3.3用于分析用户的心音数据，包括进
行人工智能分类诊断；服务器端数据传输模块3.4用于与客户端2进 行数据交互。
29.图2为图1中的心音数据分析模块的结构框图。如图2所示的心音数据分析模块3.3包括数据输入模块3.31、数据预处理模块3.32和人工智能分析模块3.33：数据输入模块3.31，用于读取从服务器端数据传输模块3.4获得的客户端2上传 的心音数据；数据预处理模块3.3.2，用于将从客户端2获得的心音数据按照所述人工智能分析模块3.3.3所指定的数据格式和长度；所述3.3.3,用于根据深度卷积神经网络模型利用深度学习算法对所述心音数据进行分类，从而实现对心音数据的分析诊断，输出心音分析报告。
30.图3为本发明心音智能诊断系统的实施流程图。如图3所示，本发明的心音智能诊断系统的实施流程包括如下步骤：s1，客户端2发起开始心音数据采集指令；s2，用户将采集终端紧贴在人体心音采集点特定部位，并通过客户端2控制采集终端1进行数据采集，事件采集为数分钟短心音数据采集，长期监控可以进行数小时连续采集；s3，安装在智能手机上的客户端2从采集终端1获得指定格式的心音数据，并通过手机的无线网络将数据文件发送到服务器端3；s4，服务器端3获得经步骤s2转发的心音数据；s5，服务器端3将步骤s4获得的心音数据送给所述心音数据分析模块3.3，得到心音分类诊断结果；s6，服务器端3将步骤s5得到的心音诊断结果制成分析报告，并发送给客户端2；s7，客户端2将步骤s6所生成的心音分析报告展示给用户。
31.图4是本实施例的人工智能分析模块结构原理图。如图4所示的人工智能分析模块包括输入模块41、深度时空卷积网络模块42和输出模块43：所述输入模块41，用于接收和处理所述心音数据；所述42，用于分类诊断所述心音数据；所述43，用于输出所述心音数据分类诊断结果。
32.图5是本实施例的深度卷积神经网络模块结构图。如图5所示的深度卷积神经网络模块包括输入层51、时空卷积主网络模块52、时空池化层53、全连接层54、55和56、softmax分类器57、输出层58：所述输入层51，用于处理所收到的心音数据；所述时空卷积主网络模块52，用于提取所述心音数据的时空特征参数；所述时空池化层53，用于减少所述时空特征参数，从而减少最后连接层中的特征参数数量；所述全连接层54、55、56构成多层全连接网络，用于将通过所述时空卷积主网络模块提取的时空特征重新通过权值构建完整的特征值矩阵；所述softmax分类器57，用于按照要求分类数，给出分类结果；所述58，用于输出诊断分类结果。本发明实施例，将由哮喘、肺炎、支气管炎、喘支等引发的异常特征音分类为：湿啰音(粗湿啰音、细湿啰音)、干啰音、喘鸣音、管样呼吸音、胸膜摩擦音和捻发音等7类，则57的分类器为一个7分类器。
33.图6是本发明实施例的时空卷积主网络模块结构原理图。如图6所示的时空卷积主网络模块包括由多个本级输出与本级输入连接的时空卷积模块61、62、
……
6n和时空池化层：所述61、62、
……
6n，将61的输入连接到62的输入端，62的输入再连接到63的输入端，以此类推，构建成残差网络；所述61、62
……
、6n采用相同结构的时空卷积模块，如图6所示，包括一层空间卷积层紧接着一层时间卷积层，所述空间卷积层是一维卷积层，所述时间卷积
层是一维卷积层，两者构成的所述时空卷积层是二维卷积层，本发明实施例，621、623、625是空间卷积、622、624、626是时间卷积，627是时空池化层，用于减少每个时空卷积模块的输出特征参数数量。
34.图7是本发明实施例的人工智能分析模块实现流程。如图7所示的人工智能分析模块实现分为两个阶段：人工智能分析模块训练阶段，包括如下步骤：s71,将标注好入库的心音数据按照70：20：10比例分为训练数据集、验证数据集和测试数据集；s72，用训练数据集训练所示人工智能分析模块；s73，用验证数据对训练好的人工智能分析模块调优，再用测试数据测试，直至所述人工智能分析模块达到要求；人工智能心音诊断阶段，包括如下步骤：s74，用户上传心音检测数据；s75，训练好的人工智能分析模块用于分类诊断所收到的心音数据；s76，输出诊断结果。
35.本发明的人工智能分析模块经过大量的心音数据样本训练，所有训练样本由医疗专家分类标注，训练得到所述人工智能分析模块部署为所述的诊断用人工智能分析模块。注意该结构为可行的人工智能分析模块结构的一种示例，并非唯一方案。
36.尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以作出很多形式的具体变换，这些均属于本发明的保护范围内。