[发明专利]一种轻型心音神经网络的设计方法

说明书

本发明公开了一种轻型心音神经网络的设计方法。首先，对预先获取的真实心音信号进行预处理，将心音信号分割成特定时间长度；其次，根据心音信号声学和生理学特点选择声谱图作为特征表征方式，并设计声谱图的大小；然后，选用双层卷积层作为轻型心音神经网络模型的基本架构，保证每个心音信号的卷积层包含足够的特征量，最顶层的感受野不大于整个心音周期区域；最后，根据移动终端对神经网络的要求，对获得轻型心音神经网络模型进行对比，得到最终的网络架构。本发明简化了网络模型，使之能够在移动终端运行，基于本发明设计的模型体积小，识别率高，可扩展，并且本方法所运用的声谱图库，也具有对心音分类进一步研究的发展潜力。

技术领域

本发明属于心音信号处理与神经网络领域，具体涉及一种轻型心音神经网络的设计方法。

背景技术

心音分类不是一个新话题，许多研究者都致力于设计实用的心音分类器系统，以提高心音的诊断准确性。他们中的大多数人使用神经网络执行分类任务。诸如一些研究者使用结构复杂的卷积神经网络或者循环神经网络来实现心音分类，但是这些网络结构仅仅满足于理论阶段研究，对于实际的应用上没有进行深入研究。另外这些结构复杂的神经网络的网络参数是千万级乃至亿级，这对于基础硬件的要求很高，并不适用于一般的应用终端，使得这样的心音分类技术在实际实用上和经济效益上并不理性。

发明内容

发明目的：本发明提供一种能够在移动终端运行的轻型心音神经网络的设计方法，基于本方法设计的模型有体积小，识别率高，可扩展的特点。

技术方案：本发明所述的一种轻型心音神经网络的设计方法，

(1)对预先获取的真实心音信号进行预处理，将心音信号分割成特定时间长度；

(2)根据心音信号声学和生理学特点选择声谱图作为特征表征方式，并设计声谱图的大小；

(3)选用双层卷积层作为轻型心音神经网络模型的基本架构，保证每个心音信号的卷积层包含足够的特征量，最顶层的感受野不大于整个心音周期区域；

(4)根据移动终端对神经网络的要求，对步骤(3)获得轻型心音神经网络模型进行对比，得到最终的网络架构。

步骤(1)所述的真实心音信号包括正常心音信号和异常心音信号。

步骤(2)所述声谱图的大小为：

其中，φ为时长为s的信息量，k为位深度，m²为单位像素个数。

步骤(3)所述轻型心音神经网络模型通过以下公式实现：

其中，n是卷积层数，{a_i}各层中的卷积核个数，k卷积核尺寸，z是心音在一个周期内所包含的特征量，且z＝2^m-1k/t。

步骤(4)所述的网络架构有七层，包括两层卷积层，且卷积核长度为奇数。

有益效果：与现有技术相比，本发明的有益效果：1、轻型神经网络适合移动终端，可以对真实心音进行分类，基于本发明设计的模型体积小，计算速度快，准确度高；2、声谱图库样本量大，可以清楚地表征心音信号的特征，在心音分类研究中具有很高的参考价值。

附图说明

图1为本发明流程图；

图2为正常心音及其声谱图；

图3为异常心音及其声谱图；

图4为轻型神经网络结构图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

图1为本发明流程图，具体包括以下步骤：