检索历史 清除

摘要心血管疾病和呼吸系统疾病是现代社会中的两种普遍疾病，严重危害人们的生命健康。心音和肺音包含了心血管和呼吸道系统的重要病理信息，因此对这两种信号进行研究有助于对病人进行及时、有效地治疗。但是，从听诊器中获取的心音、肺音信号在时域和频域上相互混叠，严重干扰医生的诊断。目前已有的心肺音分离方法尽管表现出良好的效果，但仍然存在一些问题，例如分离效果依旧不理想、模型过于复杂，这限制了算法在实际中的应用。针对上述问题，本文从时间卷积网络着手，提出了两种基于时间卷积网络的心肺音分离方法，并研究了心肺音分离方法的应用：<br>　　（1）提出了一种基于双路时间卷积网络融合自注意力的心肺音分离方法。针对现有的基于非负矩阵分解和循环神经网络的心肺音分离网络模型复杂、对数据并行处理能力差、计算费时等问题，本文研究了基于双路时间卷积网络融合自注意力的心肺音分离方法，其通过扩张卷积更好地捕获信号的时间依赖特征，通过两路模型对心音和肺音进行分离，使用信息交互模块进行心音、肺音特征的融合，以提高心肺音分离模型的精度。实验结果表明，该方法很好地提高了心音和肺音的信噪比，提高了心肺音分离的效果。<br>　　（2）提出了一种基于跨域编码器的心肺音分离方法。上述提出的基于双路时间卷积网络融合自注意力的心肺音分离方法和现有的心肺音分离方法都是对心肺音信号的单一域特征进行研究，即时频域或者时域，没有充分利用心肺音信号在多个域的特征进行学习，存在性能瓶颈。针对该问题，本文在双路时间卷积网络融合自注意力的心肺音分离方法的基础上，提出了基于跨域编码器的心肺音分离方法，该方法基于时间卷积网络，在编码器阶段将心肺音信号的时域特征和时频域特征融合，并且提出了多种特征融合模块。实验结果表明，将时域特征和时频域特征进行融合可以充分挖掘两个域提供的不同信息，该方法不仅丰富了网络对信号多维度特征的学习能力，而且具有更少的模型参数量和内存占用，进一步提高了心肺音分离的效果。<br>　　（3）心肺音分离方法的应用。本文将提出的心肺音分离方法应用到智能听诊系统中，该系统结合了听诊器、客户端应用程序和服务器。实现了听诊、分离、诊断一体化，可以提高诊断效率，优化医疗资源利用，具有一定的实用性。