一种基于关节音的骨关节炎监测系统

本技术涉及康复医疗，具体涉及一种基于关节音的骨关节炎监测系统。

背景技术：

1、骨关节炎，又称退行性关节炎(oa)，是最常见的关节炎，指由多种因素引起关节软骨纤维化、皲裂、溃疡、脱失而导致的关节疾病，病因尚不明确，其发生与年龄、肥胖、炎症、床上及遗传因素等有关。骨关节炎患者占世界人口总数的3.3％，影响约2.37亿人，在超过60岁的男性患者中占60％，超过60岁的女性患者中占18％。病理特点为关节软骨变形破坏、软骨下骨硬化或囊性变、关节边缘骨质增生、关节囊挛缩、韧带松弛或挛缩、肌肉萎缩无力等。骨关节炎可分为原发性和继发性两类，原发性多发生于老年，无明确的全身和局部诱因，与遗传和体质因素有一定关系。继发性可发生于青壮年，可继发于创伤、炎症、关节不稳定、慢性反复的积累性劳损和先天性疾病等。因此，骨关节炎危害了世界范围内众多人口的生命健康，影响其生活质量。

2、目前骨关节炎的诊断过程主要集中在医院中，由医师主导完成，诊断方式主要包括：x射线成像与磁共振成像等影像检查，及血液分析与关节液分析等生化检查。这些检查方式专业度极高、检查设备极昂贵、过程极繁琐，不适合患者居家自我监测。

技术实现思路

1、为了解决上述技术问题，本发明提出了一种新型膝关节检测系统，该系统方便经济，适合患者居家自我监测。

2、本发明所采用的技术方案如下：

3、一种基于关节音的骨关节炎监测系统，该骨关节炎监测系统包括声音收集模块、控制模块、上位移动终端以及辐照阵列；

4、所述声音收集模块由患者佩戴并与所属控制模块电连接，用于测量关节音并将测量结果发往控制模块；

5、所述控制模块由患者佩戴并与上位移动终端通信连接，用于对关节音的测量结果进行一级预处理，并将一级预处理后的结果发往所述上位移动终端；

6、所述上位移动终端由患者手持，用于对一级预处理后的结果进行二级预处理、特征提取与识别分类，并将结果展示给患者，并根据关节音评估骨关节炎状态，预测骨关节炎发展趋势，配置优化治疗方案；所述二级预处理包括预加重、分帧、谱减、滤波和加窗；

7、所述辐照阵列由患者佩戴，用于根据治疗方案辐照治疗患处。

8、进一步的，所述声音收集模块包括听筒与放大器，所述听筒与所述放大器电连接，所述放大器与所述控制模块电连接；所述听筒紧贴在患者关节处；

9、所述听筒接收患者的关节音，将所述关节音转换为电信号，并将电信号传输所述放大器；

10、所属放大器接收电信号，将其放大后传至所述控制模块。

11、进一步的，所述控制模块包括微控制器、蓝牙与电源；其中，所述微控制器与所述放大器、所述蓝牙电连接，所述蓝牙与所述上位移动端通信连接，所述电源与所述听筒、所述放大器、所述微控制器、所述蓝牙电连接并供电；

12、所述微控制器接收来自所述放大器的信号，并进行一级预处理，将一级预处理后的结果传输至所述蓝牙；所述蓝牙接收来自所述微控制器的一级预处理后的结果，并传输至上位移动端；所述一级预处理包括滤波算法，所述滤波算法在时域内，采用高斯滤波器对来自所述放大器的放大信号进行滤波处理。

13、进一步的，所述预加重用于提升关节音高频部分，使频谱平坦化；所述预加重的处理方式包括：将来自所述蓝牙的信号通过一阶有限激励响应高通滤波器，高通滤波器的形式为

14、h(z)＝1-μz-1

15、其中μ的取值为0.97；

16、所述分帧的处理方式包括：将256或512个采样点集合成一个帧，涵盖时间为25ms；

17、所述谱减的处理方式包括：将关节音电信号出现之前的几帧信号作为噪声信号，并进行傅里叶变换，结果记为d(ωk)，用于表示噪声信号中频率为ωk的分量；将关节音电信号出现之后的每一帧信号进行傅里叶变换，记变换结果为yi(ωk)，用于表示第i帧关节音中频率为ωk的分量；

18、计算谱减后的第i帧信号的真实关节音，计算公式如下：

19、

20、其中，αi为根据信噪比选择的相减因子，βi为根据信噪比选择的频谱下限阈值；

21、所述滤波采用维纳滤波，计算公式如下：

22、

23、其中，是第i帧的滤波输出的频域表示，hi(ωk)是第i帧维纳滤波器的频域表示；

24、所述特征提取包括快速傅里叶变换、计算功率谱、梅尔滤波、对数运算、离散余弦变换、动态差分系数提取、统计学特征提取及特征选择。

25、进一步的，所述第i帧维纳滤波器的频率表示的计算公式如下：

26、

27、其中，γik是第i帧的先验信噪比；

28、所述第i帧先验信噪比γik的计算公式如下：

29、

30、其中pixx是第i帧谱减后信号的功率谱，pdd是噪声信号的功率谱；

31、所述第i帧谱减后信号的功率谱pixx的计算公式如下：

32、pixx＝e[|xi(ωk)|2]

33、所述噪声信号的功率谱pdd的计算公式如下：

34、pdd＝e[|d(ωk)|2]

35、所述加窗采用汉明窗，形式为

36、

37、其中，n代表采样点序号，n表示帧的大小，a通常取0.46。

38、进一步的，所述快速傅里叶变换，用于将每一帧从时域表达转换至频域表达，计算公式如下：

39、

40、所述计算功率谱，用于对频域表达进行取模平方运算，以得到功率谱，计算公式如下：

41、

42、所述梅尔滤波，用于将第i帧关节音xi(ωk)的功率谱通过梅尔尺度下包含m个三角滤波器的滤波器组，并将滤波结果取对数，以模拟人类对声音频率的非线性感知，记第m个滤波器取对数后结果为l(m)；

43、该功率谱的计算公式如下：

44、

45、其中，n为每一帧内的采样点总数；

46、所述梅尔尺度与线性尺度的换算公式如下：

47、

48、其中，f是线性尺度下的频率，mel(f)是梅尔尺度下的频率；

49、所述波器组包含22个三角滤波器，即m＝22；

50、所述离散余弦变换将梅尔滤波进行离散余弦变换，计算公式如下：

51、

52、其中n表示梅尔倒谱系数的阶次，取前12阶为关节音的静态特征；

53、所述动态差分系数提取的一阶差分系数的计算公式如下：

54、

55、其中，q是梅尔倒谱系数的最大阶数，也即12，k是一阶差分的时间差，取值为1或2；

56、将一阶差分系数代入上述计算公式获得二阶差分系数；

57、将关节音的静态特征、一阶差分系数和二阶差分系数组合为36维特征向量；

58、统计学特征提取的方式为重复测量关节音，计算特征向量，计算每一特征多次测量的均值、方差、偏度、丰度和变异系数，构成特征矩阵。

59、进一步的，第i个特征的均值的计算公式如下：

60、

61、其中，j代表测量次数，j代表测量次数总数，xij代表第j个测量的第i个特征；

62、第i个特征的标准差的计算公式如下：

63、

64、所述偏度用于度量随机事件不对称性的指标，第i个特征的偏度的计算公式如下：

65、

66、所述峰度用于度量随机事件陡峭性的指标，第i个特征的峰度的计算公式如下：

67、

68、所述变异系数用于度量随机事件离散程度的归一化指标，第i个特征的变异系数的计算公式如下：

69、

70、所述特征矩阵表示为

71、

72、进一步的，所述特征选择使用filter方法，指标采用变异系数，只有变异系数大于特定阈值c0的特征，才会被选择，将经过选择的特征矩阵作为新的特征矩阵。

73、进一步的，所述识别分类使用前馈神经网络；

74、所述前馈神经网络的输入是特征矩阵，输出是患有骨关节炎的可能性，如果可能性大于50％，则分类为患病；否则分类为不患病；

75、所述前馈神经网络的架构包括输入层、6个隐藏层和输出层；其中，第一隐藏层包括64个神经元，第二隐藏层包括128个神经元，第三隐藏层和第四隐藏层均包括256个神经元，第五隐藏层和第六隐藏层均包括512个神经元；其中，激活函数使用relu函数，dropout的概率为0.5，优化使用adam方法。

76、进一步的，所述辐照阵列由绿光辐照阵列与远红外光阵列组成；

77、其中，所述绿光辐照阵列辐照绿光，用于发挥促骨的作用；所述远红外光阵列辐照远红外光，用于发挥促进血液循环的作用；

78、所述绿光辐照阵列发射波长为532nm，单次辐照剂量为4-6j/点，辐照时间为10分钟到30分钟；所述远红外光辐照阵列发射波长为880nm，单词辐照剂量为4-6j/点，辐照时间为10分钟到30分钟。

79、通过本技术实施例，可以获得如下技术效果：

80、(1)根据《骨关节炎诊治指南(2007年版)》，关节活动时有骨摩擦音可以作为骨关节炎的诊断标准之一，本发明通过监测患者的关节音，以监测骨关节炎状况；

81、(2)本发明检测结果客观、准确，无需医师主导，可由患者独自居家完成。