[发明专利]一种基于人工智能的主动脉瓣狭窄严重程度自动分类方法

权利要求书

1.一种基于人工智能的主动脉瓣狭窄严重程度自动分类方法，其特征在于，该方法包括如下步骤：

S1，读取缓存空间中同步采集的心电信号x_ECG与心音信号x_PCG；

S2，通过滤波器对心音信号x_PCG进行滤波，输出滤波后的心音信号

S3，设定预设长度L，首先以同步采集的心电信号x_ECG作为参考对滤波后的心音信号进行分段，再将各分段进行左对齐，然后将长度大于L的分段将其右端多余部分切除，小于L的分段在其右端补零，最后进行归一化处理，以向量的形式输出第i段心音数据x_i；

S4，将第i段心音数据x_i输入对数梅尔滤波器组进行变换，输出对数梅尔滤波器组变换结果矩阵F_i；

S5，将对数梅尔滤波器组变换结果矩阵F_i进行差分计算，计算出三个通道的数据矩阵Δ_i,0、Δ_i,1和Δ_i,2；

S6，将三个通道的数据矩阵Δ_i,0、Δ_i,1和Δ_i,2输入预先搭建并训练好的卷积神经网络，该神经网络输出概率值：p_i＝[p_i,mild,p_i,moderate,p_i,severe]^T；其中，p_i,mild为轻度主动脉瓣狭窄的概率，p_i,moderate为中度主动脉瓣狭窄的概率，p_i,severe为重度主动脉瓣狭窄的概率；

S7，通过比较上述输出概率值的大小，输出“为轻度主动脉瓣狭窄”、“为中度主动脉瓣狭窄”与“为重度主动脉瓣狭窄”三种状态中的一种。

2.根据权利要求1所述的基于人工智能的主动脉瓣狭窄严重程度自动分类方法，其特征在于，所述步骤3中，所述分段的过程为：首先，对同步采集的心电信号x_ECG检测出低点；然后，截取相邻两个低点对应时间的心音数据。

3.根据权利要求2所述的基于人工智能的主动脉瓣狭窄严重程度自动分类方法，其特征在于，所述步骤4中，将第i段心音数据x_i输入对数梅尔滤波器组进行变换的具体步骤为：

S41，计算x_i的短时傅里叶变换谱：首先将x_i分为M段，每段包含N_FFT个采样点，段间交迭D％，然后令第m段数据表示为x_i,m(n),n＝0,1,...,N_FFT-1，则该段数据的快速傅里叶变换计算为并计算出|Y_i,m(k)|²；其中，h(n)为汉明窗；

S42，对|Y_i,m(k)|²经由一个梅尔滤波器组滤波，该梅尔滤波器组包含Q个在梅尔频率域范围f_Mel(f)＝2959×log₁₀(1+f/700),f～[0,f_s/2]上均匀间距且E％交迭的三角形滤波器Ψ_q,q＝1,2,...,Q；梅尔滤波器组滤波后的结果为

S43，计算x_i的对数梅尔滤波器组变换矩阵F_i；其中，F_i的第q行m列的元素由F_i[q,m]＝log[y_i,m(q)]给出。

4.根据权利要求1所述的基于人工智能的主动脉瓣狭窄严重程度自动分类方法，其特征在于，所述步骤S5中，所述计算出三个通道的数据矩阵为：第一个通道上的9×9维数据矩阵Δ_i,0＝F[:,1:M-2]，第二个通道上的9×9维数据矩阵Δ_i,1＝F[:,2:M-1]-F[:,1:M-2]，第三个通道上的9×9维数据矩阵Δ_i,2＝(F[:,3:M]-F[:,2:M-1])-Δ_i,1。