[发明专利]用于检测异常心音的分类器集成

说明书

本公开内容的发明的各种实施例提供了基于特征的方法与深度学习方法的组合以用于区分正常心音与异常心音。将基于特征的分类器(60)应用于心音图(PCG)信号以获得由所述PCG信号表示的心音的基于特征的异常分类，并且将深度学习分类器(70)也应用于所述PCG信号以获得由所述PCG信号表示的所述心音的深度学习异常分类。将最终决策联合分析器(80)应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类和所述深度学习异常分类，以确定所述PCG信号的最终异常分类决策。

技术领域

本公开内容中描述的各种实施例涉及用于检测异常心音的系统、设备和方法。

背景技术

心血管疾病(CVD)是全球发病和死亡的主要原因，2012年估计有1750万人死于CVD。心脏听诊是在初级卫生保健中筛查和诊断CVD的主要工具。数字听诊器和移动设备的使用为临床医生提供了记录和分析心音(心音图，PCG)以用于诊断目的的机会。

然而，由于环境噪音(例如，警报、说话)，对临床环境和非临床环境中的心音记录进行分析已被证明是具有挑战性的工作。此外，由非专家记录心音也会增加对自动心音分析的挑战。例如，改变麦克风位置可能会改变心音幅度并且可能使心音容易产生噪音。另外，当由不同仪器记录心音时，心音记录的质量可能不同(例如由于不同仪器的滤波器规范的差异)，这使得使用单个算法会具有挑战性。由于上述因素，基于特征的方法(传统的心音分析)在对异常心音的分类中可能具有相对较低的准确度。

发明内容

本公开内容中描述的实施例提供了基于特征的方法与深度学习方法的组合(例如，无监督的特征学习)。更具体地，深度学习有能力从被指定为正常心音和异常心音的心音图中学习特征并将这样的异常特征用于分类目的。本公开内容组合了对正常心音和异常心音的基于特征的分类以及对正常心音和异常心音的深度学习分类的益处。本公开内容还提供了对有噪声的心音图(PCG)信号和干净的PCG信号的基于特征的分类和/或对有噪声的PCG信号和干净的PCG信号的深度学习分类。

本公开内容的发明的一个实施例是一种用于区分正常心音与异常心音的心音图(PCG)信号联合分析器，所述PCG信号联合分析器包括处理器和存储器，所述PCG信号联合分析器被配置为：(1)将基于特征的分类器应用于PCG信号，以获得由所述PCG信号表示的心音的基于特征的异常分类；(2)将深度学习分类器应用于所述PCG信号，以获得由所述PCG信号表示的所述心音的深度学习异常分类；(3a)将最终决策联合分析器应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类和所述深度学习异常分类，以将所述PCG信号的最终异常分类决策确定为正常心音或异常心音；并且(4)报告所述PCG信号的所述最终异常分类决策。

本公开内容的第二实施例是：所述PCG信号联合分析器的所述处理器和所述存储器还被配置为：(5)将所述基于特征的分类器应用于PCG信号，以获得由所述PCG信号表示的所述心音的基于特征的噪声分类；并且(3b)将所述最终决策联合分析器应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类、所述基于特征的噪声分类和所述深度学习异常分类，以将所述PCG信号的所述最终异常分类决策确定为正常心音、异常心音或有噪声的心音(即，不确定心音是正常还是异常)。

本公开内容的第三实施例是：所述PCG信号联合分析器的所述处理器和所述存储器还被配置为：(6)将所述深度学习分类器应用于所述PCG信号，以获得由所述PCG信号表示的所述心音的深度学习噪声分类；并且(3c)将所述最终决策联合分析器应用于由所述PCG信号表示的所述心音的所述基于特征的异常分类、所述深度学习异常分类和所述深度学习噪声分类，以将所述PCG信号的所述最终异常分类决策确定为正常心音、异常心音或有噪声的心音(即，不确定心音是正常还是异常)。