一种心音分类方法
本发明公开了一种心音分类方法，包括以下步骤：S1、心肺音分离子网预训练；S2、梅尔频谱等效子网预训练；S3、心音分类子网预训练；S4、对各子网进行知识蒸馏,联合训练紧凑的端到端的心音分类网络；S5、利用紧凑的心音分类网络对听诊的混合信号x∈R1×L进行心音分类，最后得出心音的分类结果。本发明通过知识蒸馏构建心肺音分离紧凑子网、梅尔频谱等效紧凑子网和心音分类紧凑子网，依据预训练子网输出特征的空间分布，构建正则项，引导紧凑的端到端的心音分类网络的学习。不仅避免了频繁的梅尔频谱I/O操作，而且提高了心音异常检测的准确性、鲁棒性。
发明专利
CN202010827678.2
2020-08-17
CN112086103A
2020-12-15
G10L25/03(2013.01)
广东工业大学
吕俊;张财宝;杨其宇;谢胜利
510062 广东省广州市越秀区东风东路729号
广东广信君达律师事务所
张生梅
广东;44
1.一种心音分类方法，其特征在于，包括以下步骤： S1、心肺音分离子网预训练：采用预先搜集的肺音信号对干净的心音，按照不同的能量比进行污染，生成混合信号x∈R1×L，划分训练集和测试集；并将训练集中的混合信号输入到心肺音分离子网进行预训练，以最大化心肺音估计的信噪比作为目标函数，采用梯度下降法进行优化，获得心肺音分离子网的初始参数； S2、梅尔频谱等效子网预训练：将训练集中干净的心音xc∈R1×L以及相应梅尔频谱特征输入到梅尔频谱等效子网进行预训练，以最小化均方误差作为目标函数，采用梯度下降法进行优化，获得梅尔频谱等效子网的初始参数； S3、心音分类子网预训练：将训练集中干净的心音xc∈R1×L输入到心音分类子网进行预训练，以最小化交叉熵作为目标函数，采用梯度下降法进行优化，获得心音分类子网的初始参数； S4、使用卷积神经网络和长短时记忆神经网络搭建紧凑的心肺音分离子网，使用长短时记忆神经网络搭建紧凑的梅尔等效频谱子网，使用卷积神经网络搭建紧凑的心音分类子网；对心肺音分离子网、梅尔频谱等效子网、心音分类子网，进行知识蒸馏,联合训练紧凑的端到端的心音分类网络； S5、通过知识蒸馏后的紧凑的心音分类网络对测试集中听诊的混合信号x∈R1×L进行心音分类，最后得出心音的分类结果。 2.根据权利要求1所述的一种心音分类方法，其特征在于，所述步骤S2的具体过程如下： S2-1、将心音信号xc∈R1×L转为梅尔频谱图y∈RM×K×3，(M＝K＝128)作为梅尔频谱等效网络的标签，同时将时域心音信号xc∈R1×L进行短时傅里叶变换，如公式(2)所示： 上式中，xc∈R1×L为一维时域信号，w为长度为N的窗函数，S表示信号x的移动步长，t＝0,…,T-1表示时间帧序号，f＝0,…,N/2表示频段序号，N表示傅里叶变换长度；经过短时傅里叶变换得到的是复时频谱矩阵X，包含实部和虚部； 将复时频谱矩阵X代入公式(3)进行取模操作得到时频模 S2-2、利用梅尔刻度滤波器组将线性频谱映射到基于听觉感知的梅尔非线性频谱中； 从赫兹频率转换到梅尔频率的公式如下： S2-3、将梅尔非线性频谱输入到含有Q个神经元的全连接层，输出非线性谱将输入到一个3层Resnet结构的LSTM网络，得到特征矩阵将特征矩阵分别输入到三个含有神经元个数为M的全连接层，得到三个颜色通道MR∈RM×K、MG∈RM×K、MB∈RM×K，这三个全连接层参数独立训练； S2-4、将MR∈RM×K、MG∈RM×K、MB∈RM×K合并为预训练特征提取网络的时频域特征以公式(5)为目标函数进行优化： 上式中，m为样本数；采用Adam训练优化器，训练100个epoch，梅尔频谱等效网络收敛后，获得梅尔频谱等效子网的初始参数。 3.根据权利要求1所述的一种心音分类方法，其特征在于，所述步骤S4中，对心肺音分离子网、梅尔频谱等效子网、心音分类子网进行知识蒸馏,联合训练紧凑的端到端的心音分类网络时，以公式(6)为目标函数进行优化： min J1＝∑(yt-ys)2+λ1Ω1(st||ss)+λ2Ω2(mt||ms) (6) 上式中，Ω为基于KL散度的全局数据分布距离或为基于流形嵌入的局部关系度量，st为心肺音分离子网出来的估计心音；ss为心肺音分离紧凑子网的估计心音；mt为梅尔等效频谱子网的心音梅尔频谱图；ms为梅尔等效频谱紧凑子网的心音梅尔频谱图；yt为心音分类子网的心音分类结果；ys为心音分类紧凑子网的心音分类结果；λ1和λ2为超参数；结果采用Adam训练优化器，训练100个epoch，网络收敛后，获得紧凑的心音分类网络的初始参数。 4.根据权利要求1所述的一种心音分类方法，其特征在于，所述步骤S5的具体过程如下： S5-1、将听诊的混合信号x∈R1×L经过知识蒸馏后的心肺音分离紧凑子网进行分离，获得分离后的肺音信号估计 S5-2、将听诊的混合信号x∈R1×L和分离后的肺音信号估计进行相减，得到心音信号估计 S5-3、然后将心音信号估计作为输入输送到知识蒸馏后的梅尔频谱等效紧凑子网中，得到时频域特征 S5-4、最后把时频域特征输入到知识蒸馏后的心音分类紧凑子网中，得到心音分类的结果。