基于九通道心音与Bi-LSTM的冠心病非侵入式预测方法及装置

本发明涉及一种数据处理，是一种基于九通道心音与bi-lstm的冠心病非侵入式预测方法及装置。

背景技术：

1、冠心病被世界卫生组织认定为人类的头号杀手。

2、近年来，随着电子技术的迅猛发展，冠心病检测过程中常用的传统听诊器正逐步被电子听诊器所取代，克服了传统听诊器的缺点，电子听诊器利用电子计算机或手机的蓝牙设备实现心音数据采集和存储，具备了实时心音波形存储和回放功能，同时具有使用方便，成本低，体积小等优点。电子听诊器的信噪比对心音信号的特征提取至关重要，因为即使是非常微弱的外界噪声也可能导致心音信号中病理生理信息的误判，从而导致疾病诊断的误判，在噪声类型复杂的情况下，如何权衡消除噪声和保留病理信息变得非常困难。同时随着现代数字信号处理技术以及模式识别技术的广泛应用，小波分析、各类时频分析(如经验模态分解、维格纳分布等、ar模型)、各种人工智能识别技术(如神经网络、支持向量机等)相继出现，如何利用人工智能建立心音数据的特征与冠心病状态之间的关系，如何基于建立的关系对冠心病风险提供更加科学的预测。

技术实现思路

1、本发明提供了一种基于九通道心音与bi-lstm的冠心病非侵入式预测方法及装置，用于通过九通道心音数据进行冠心病风险预测。

2、有鉴于此，本申请第一方面提供了一种基于九通道心音与bi-lstm的冠心病非侵入式预测方法，包括：

3、获取待预测人员的九通道心音数据；

4、将九通道心音数据输入冠心病风险预测模型，其中，所述冠心病风险预测模型为使用多组九通道心音数据通过机器学习训练得出的，所述多组样本数据中的每组样本数据均包括九通道心音数据和标识对应冠心病风险程度的标签；

5、获取并融合每个通道心音数据对应的冠心病风险预测结果，确定最终冠心病风险预测结果。

6、优选的，获取待预测人员的九通道心音数据，包括：

7、获取待预测人员心前区9个部位的心音音频录音，生成对应的九通道心音数据，其中，心前区9个部位包括胸骨中线与第三根肋骨间隙的交点位置，胸骨中线与第四肋间隙的交点位置，胸骨中线和第五肋间隙的交点位置，胸骨左缘与第三肋间隙的交点位置，胸骨左缘与第四肋间隙的交点位置，胸骨左缘与第五肋间隙的交点位置，锁骨从中线和第三肋间隙的交点向内3厘米位置，锁骨从中线和第四肋间隙的交叉点向内2厘米位置，锁骨从中线和第五肋骨空间的交叉点向内约1.5厘米位置；

8、对九通道心音数据进行滤波。

9、优选的，冠心病风险预测模型构建方法包括：

10、获取训练集、测试集和验证集，其中训练集、测试集和验证集中每个样本数据均包括九通道心音数据和标识对应冠心病风险程度的标签；

11、设定训练次数，根据训练次数利用训练集对预设的bi-lstm模型进行多次训练，获得对应的多个冠心病风险预测模型；

12、使用获得的多个冠心病风险预测模型对验证集进行预测，得到对应的损失函数值，根据验证集中的损失函数值，调节模型参数，选取最优的参数，输出最终的冠心病风险预测模型。

13、优选的，确定最终冠心病风险预测结果，包括：

14、获取九通道心音数据输入冠心病风险预测模型后，输出的每个通道心音数据对应的冠心病风险预测结果；

15、利用均值法对每个通道心音数据对应的冠心病风险预测结果进行融合，以平均值作为最终冠心病风险预测结果。

16、优选的，还包括针对最终冠心病风险预测结果进行风险评估，包括：

17、设置风险评估对照规则；

18、将最终冠心病风险预测结果与风险评估对照规则进行比对，评估冠心病风险结果。

19、有鉴于此，本申请第二方面提供了一种基于九通道心音与bi-lstm的冠心病非侵入式预测装置，包括：

20、数据获取单元，获取待预测人员的九通道心音数据；

21、预测单元，将九通道心音数据输入冠心病风险预测模型，其中，所述冠心病风险预测模型为使用多组九通道心音数据通过机器学习训练得出的，所述多组样本数据中的每组样本数据均包括九通道心音数据和标识对应冠心病风险程度的标签；

22、结果融合单元，获取并融合每个通道心音数据对应的冠心病风险预测结果，确定最终冠心病风险预测结果。

23、优选的，还包括评估单元，包括：

24、设置模块，设置风险评估对照规则；

25、比对模块，将最终冠心病风险预测结果与风险评估对照规则进行比对，评估冠心病风险结果。

26、有鉴于此，本申请第三方面提供了一种基于九通道心音与bi-lstm的冠心病非侵入式预测系统，包括：

27、基于九通道心音与bi-lstm的冠心病非侵入式预测装置，其中，基于九通道心音与bi-lstm的冠心病非侵入式预测装置为如权利要求6至7所述的基于九通道心音与bi-lstm的冠心病非侵入式预测装置；

28、交互装置，所述交互装置用于操作人员与基于九通道心音与bi-lstm的冠心病非侵入式预测装置进行通信，使得操作人员通过交互单元为bi-lstm的冠心病非侵入式预测装置提供待预测人员心前区9个部位的心音音频录音。

29、有鉴于此，本申请第四方面提供了一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于九通道心音与bi-lstm的冠心病非侵入式预测方法。

30、有鉴于此，本申请第五方面提供了一种电子设备，包括处理器、存储器以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行基于九通道心音与bi-lstm的冠心病非侵入式预测方法中的步骤的指令。

31、本发明通过九通道心音数据全面获取心脏部位的病变杂音，并采用双向长短期记忆网络模型有效地学习并捕捉心音数据中的时序特征和相关的语义信息，建立每个通道心音数据的特征与疾病状态之间的关系，并通过对多个时间步的数据进行学习和处理，更加准确的对冠心病风险进行预测，为实时、准确地诊断稳定性冠心病提供数据基础，为冠心病确定更加科学准确的提供保障。

技术特征：

1.一种基于九通道心音与bi-lstm的冠心病非侵入式预测方法，其特征在于，包括：

2.根据权利要求1所述的基于九通道心音与bi-lstm的冠心病非侵入式预测方法，其特征在于，所述获取待预测人员的九通道心音数据，包括：

3.根据权利要求1或2所述的基于九通道心音与bi-lstm的冠心病非侵入式预测方法，其特征在于，所述冠心病风险预测模型构建方法包括：

4.根据权利要求1至3中任一项所述的基于九通道心音与bi-lstm的冠心病非侵入式预测方法，其特征在于，所述确定最终冠心病风险预测结果，包括：

5.根据权利要求1至4中任一项所述的基于九通道心音与bi-lstm的冠心病非侵入式预测方法，其特征在于，还包括针对最终冠心病风险预测结果进行风险评估，包括：

6.一种应用如权利要求1至5中任一项所述方法的基于九通道心音与bi-lstm的冠心病非侵入式预测装置，其特征在于，包括：

7.根据权利要求6所述的基于九通道心音与bi-lstm的冠心病非侵入式预测装置，其特征在于，还包括评估单元，包括：

8.一种基于九通道心音与bi-lstm的冠心病非侵入式预测系统，其特征在于，包括：

9.一种存储介质，其特征在于，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行如权利要求1至5任一项所述的基于九通道心音与bi-lstm的冠心病非侵入式预测方法。

10.一种电子设备，其特征在于，包括处理器、存储器以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求1至5任一项所述基于九通道心音与bi-lstm的冠心病非侵入式预测方法中的步骤的指令。

技术总结
本发明涉及一种数据处理技术领域，是一种基于九通道心音与Bi‑LSTM的冠心病非侵入式预测方法及装置，该方法包括获取待预测人员的九通道心音数据；将九通道心音数据输入冠心病风险预测模型；获取并融合每个通道心音数据对应的冠心病风险预测结果，确定最终冠心病风险预测结果。本发明通过九通道心音数据全面获取心脏部位的病变杂音，并采用双向长短期记忆网络模型有效地学习并捕捉心音数据中的时序特征和相关的语义信息，建立每个通道心音数据的特征与疾病状态之间的关系，并通过对多个时间步的数据进行学习和处理，更加准确的对冠心病风险进行预测，为实时、准确地诊断稳定性冠心病提供数据基础，为冠心病确定更加科学准确的提供保障。

技术研发人员：马翔,戴建国,侯文庆,艾克力亚尔·艾尼瓦尔,秦练,齐全,凯赛尔江·卡地尔
受保护的技术使用者：新疆医科大学第一附属医院
技术研发日：
技术公布日：2024/1/15