[发明专利]一种肠鸣音智能自动识别方法

说明书

本发明公开了一种基于梅尔频率倒谱系数和支持向量机(Support Vector Machine，简称SVM)分类器的肠鸣音识别方法，涉及生物医学的信号处理技术领域。本发明提出的方法步骤主要包括：一、采集肠鸣音样本和环境干扰音样本，提取梅尔频率倒谱系数(MFCCs)特征，添加标签，训练SVM分类器；二、采集患者的肠鸣音混合信号并转换为数字信号；三、对信号进行滤波；四、对信号进行梅尔频率倒谱分析，提取特征；五、利用SVM分类器检测信号的肠鸣音特征并输出相应结果；六、统计检测结果，识别肠鸣音的发生时刻并显示。本发明提出的方法可以代替医生对肠鸣音进行听诊，降低医生的工作强度，同时，本发明具有较高的准确性和稳定性以及良好的可移植性。

技术领域

本发明涉及生物医学的信号处理技术领域，特别涉及一种肠鸣音智能自动识别方法。

背景技术

近年来，随着生活水平的不断提高，人们的饮食习惯和结构发生了巨大的变化，肠道疾病的发病率及死亡率呈逐年增长趋势，现已成为对人类健康的巨大威胁。因此，对肠道疾病的及时预防和诊治十分重要。肠鸣音反映了人体小肠的运动状态，是检测肠道疾病的一项重要指标，对肠鸣音的听诊是一种目前常用的诊断肠道疾病的手段。

肠鸣音是指肠蠕动时，肠管内气体和液体随之流动，产生的一种断续的咕噜声或气过水声。正常状态和病理状态下的肠鸣音具有明显不同的特征，如单位时间内的肠鸣音次数、响度等，据此可以为诊断提供重要信息。但是肠鸣音具有高度的随机性，同时混杂在心音、肺音、皮肤的摩擦声等杂音中，信噪比较低。目前，对于肠鸣音的听诊主要依靠医生通过听诊器完成，不仅要求医生必须具有丰富的经验，而且耗时耗力，也难免由于医生听诊疲劳等造成漏诊和误诊。

目前已存在一些关于肠鸣音识别方法的研究。专利“肠鸣音监测识别系统(201410559667)”中提出了一种将采集到的数字声学信号传输到数据处理中心，利用特征识别算法分析肠鸣音的方法；专利“嘈杂环境下的肠鸣音检测方法、装置及系统(201610686377)”中提出了一种基于卷积神经网络的肠鸣音检测方法；专利“一种面向肠鸣音信号监护系统的信号处理方法(201610371549)”提出了一种基于频谱模型和信号频谱相关系数检测的肠鸣音检测方法。但上述方法还存在实现过程复杂，空间复杂度高或需要后台服务端处理，灵活性低、时间消耗大等问题。

发明内容

发明目的：

本发明克服了现有技术中的缺点，提出了一种基于语音信号的梅尔频率倒谱系数(Mel-Frequency Cepstral Coefficients，简称MFCCs)特征和支持向量机(SupportVector Machine，简称SVM)分类的肠鸣音智能自动识别方法，该方法可应用于可穿戴式肠鸣音检测设备中，具有智能、处理效率高、灵活性高等特点。

技术方案：

本发明提出了一种肠鸣音智能自动识别方法，包括以下步骤：

步骤一：利用传感器分别采集多组肠鸣音样本和环境干扰音样本，将样本转化为数字信号，对两种数字样本信号分别制作标签，对样本进行处理后提取特征，送入SVM分类器进行训练；

步骤二：利用传感器采集患者的肠鸣音混合信号并经过A/D转换得到数字信号。所述肠鸣音混合信号包括肠鸣音信号和环境干扰音信号；

步骤三：将转化得到的数字信号通过滤波器滤去部分环境干扰音；

步骤四：对滤波后的声音信号进行预处理和梅尔频率倒谱分析，提取特征；

步骤五：根据提取的声音特征，利用步骤一所述的SVM分类器实现对该段声音信号中肠鸣音特征的检测，根据是否检测到肠鸣音特征而输出不同的检测结果；

步骤六：对检测结果进行统计，依据统计结果识别肠鸣音是否发生以及发生的时刻并进行相应的显示；