一种肠鸣音信号特征识别模型构建方法、装置及存储介质

本发明涉及肠鸣音信号，具体涉及一种肠鸣音信号特征识别模型构建方法、装置及存储介质。

背景技术：

1、肠鸣音是一种反映人体小肠运动状态的生理声音，具有重要的临床价值，可用于监测肠道疾病，为了能够连续、长时间地监测肠鸣音，需要对肠鸣音信号进行提取、识别，并计算出与其相关的特征。

2、然而，肠鸣音信号具有复杂的特性，包括频率多样性和振幅的大幅度变化，在采集过程中，通常会受到来自周围环境的多种噪声干扰，如腹部肌肉活动和呼吸等，这些噪声对肠鸣音识别工作造成了困扰，使得现有的识别方案面临挑战。

3、现有的肠鸣音识别方法包括非线性动力学分析、时频分析和机器学习方法等，然而，这些方法在肠鸣音信号的识别准确性、对环境噪声的适应性以及多样性方面都存在一定的局限性。

技术实现思路

1、有鉴于此，本发明的目的在于提供一种肠鸣音信号特征识别模型构建方法、装置及存储介质，以解决现有技术中，对肠鸣音的识别方法中，没有考虑到来自周围环境的多种噪声干扰，如腹部肌肉活动和呼吸等导致的识别结果不够精准的问题。

2、根据本发明实施例的第一方面，提供一种肠鸣音信号特征识别模型构建方法，所述方法包括：

3、获取患者的原始肠鸣音信号，对所述原始肠鸣音信号进行预处理操作，得到多段肠鸣音信号；

4、对所述多段肠鸣音信号分别进行分帧加窗操作，将每段肠鸣音信号均分割为相同帧数的肠鸣音信号；

5、对每段肠鸣音信号中的每帧肠鸣音信号通过短时傅里叶变换得到每帧肠鸣音信号的频谱表示；

6、根据所述每帧肠鸣音信号的频谱表示获取每帧肠鸣音信号的对数频谱；

7、设置切比雪夫多项式的次数，根据所述切比雪夫多项式的次数以及每帧肠鸣音信号的对数频谱获取切比雪夫多项式的多项式表达以及权重系数；

8、根据所述切比雪夫多项式的多项式表达以及权重系数得到每帧肠鸣音信号的拟合频谱；

9、将每段肠鸣音信号中的每帧肠鸣音信号的拟合频谱按时间顺序进行排列，得到每段肠鸣音信号的对数频谱图；

10、搭建肠鸣音信号特征识别模型架构，将所述每段肠鸣音信号的对数频谱图作为所述肠鸣音信号特征识别模型架构的输入，以输入信号是否为肠鸣音信号作为所述肠鸣音信号特征识别模型架构的输出，对所述肠鸣音信号特征识别模型架构进行训练，直到所述肠鸣音信号特征识别模型架构收敛为止，得到肠鸣音信号特征识别模型。

11、优选地，

12、所述对所述原始肠鸣音信号进行预处理操作，得到多段肠鸣音信号包括：

13、对所述原始肠鸣音信号进行t秒分段，对t秒分段后的每段原始肠鸣音信号进行滤波操作，得到多段肠鸣音信号。

14、优选地，

15、所述根据所述每帧肠鸣音信号的频谱表示获取每帧肠鸣音信号的对数频谱包括：

16、根据所述每帧肠鸣音信号的频谱表示计算每帧肠鸣音信号频谱的模的平方，得到每帧肠鸣音信号的功率谱；

17、对所述每帧肠鸣音信号的功率谱取自然对数，得到每帧肠鸣音信号的对数频谱。

18、优选地，

19、所述肠鸣音信号特征识别模型架构包括特征提取模块和特征分类模块；

20、所述特征提取模块采用双分支结构，一个分支采用预训练好的生理声音识别模型的生理声音特征提取模块，另一个分支采用预训练好的声音识别模型的声音特征提取模块；

21、所述特征分类模块采用全连接层。

22、优选地，

23、所述生理声音特征提取模块用于提取输入的所述每段肠鸣音信号的对数频谱图中的生理声音特征向量；

24、所述声音特征提取模块用于提取输入的所述每段肠鸣音信号的对数频谱图中的声音特征向量；

25、将所述生理声音特征向量转换为一维生理声音特征向量，将所述声音特征向量转换为一维声音特征向量；

26、将所述一维生理声音特征向量以及一维声音特征向量进行拼接，得到一维目标特征向量，将所述一维目标特征向量输入到所述全连接层中。

27、优选地，

28、所述对所述肠鸣音信号特征识别模型架构进行训练包括：

29、将预训练好的生理声音识别模型的生理声音特征提取模块，以及预训练好的声音识别模型的声音特征提取模块的参数，作为所述肠鸣音信号特征识别模型架构的特征提取模块的初始权重并加载，并保持所述生理声音特征提取模块以及声音特征提取模块中的所有参数在训练过程中始终不变，通过所述每段肠鸣音信号的对数频谱图对所述肠鸣音信号特征识别模型架构的全连接层进行训练。

30、根据本发明实施例的第二方面，提供一种肠鸣音信号特征识别模型构建装置，所述装置包括：

31、数据获取模块：用于获取患者的原始肠鸣音信号，对所述原始肠鸣音信号进行预处理操作，得到多段肠鸣音信号；

32、分帧模块：用于对所述多段肠鸣音信号分别进行分帧加窗操作，将每段肠鸣音信号均分割为相同帧数的肠鸣音信号；

33、频谱表示获取模块：用于对每段肠鸣音信号中的每帧肠鸣音信号通过短时傅里叶变换得到每帧肠鸣音信号的频谱表示；

34、对数频谱获取模块：用于根据所述每帧肠鸣音信号的频谱表示获取每帧肠鸣音信号的对数频谱；

35、切比雪夫多项式获取模块：用于设置切比雪夫多项式的次数，根据所述切比雪夫多项式的次数以及每帧肠鸣音信号的对数频谱获取切比雪夫多项式的多项式表达以及权重系数；

36、拟合频谱获取模块：用于根据所述切比雪夫多项式的多项式表达以及权重系数得到每帧肠鸣音信号的拟合频谱；

37、对数频谱图获取模块：用于将每段肠鸣音信号中的每帧肠鸣音信号的拟合频谱按时间顺序进行排列，得到每段肠鸣音信号的对数频谱图；

38、模型获取模块：用于搭建肠鸣音信号特征识别模型架构，将所述每段肠鸣音信号的对数频谱图作为所述肠鸣音信号特征识别模型架构的输入，以输入信号是否为肠鸣音信号作为所述肠鸣音信号特征识别模型架构的输出，对所述肠鸣音信号特征识别模型架构进行训练，直到所述肠鸣音信号特征识别模型架构收敛为止，得到肠鸣音信号特征识别模型。

39、根据本发明实施例的第三方面，提供一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被主控器执行时，实现上述的方法中的各个步骤。

40、本发明的实施例提供的技术方案可以包括以下有益效果：

41、本技术通过切比雪夫多项式对肠鸣音信号的声学特征进行逼近拟合，有效地捕捉信号的细节特征，降低了噪声对频谱拟合的影响，在此基础上，通过结合训练好的生理声音识别模型和训练好的声音识别模型，利用了生理声音的相似性，即生理声音预训练模型和一般声音预训练模型，能够从不同角度捕捉和理解肠鸣音信号，提高了识别的鲁棒性，最终得到的肠鸣音识别模型在处理具有不同特征和多样性的肠鸣音信号时具有较好的泛化性能和较强的鲁棒性能，同时能够有效的降低噪音的干扰，提高识别的精准度。

42、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本发明。