基于双源域迁移学习的肺音信号识别

针对目前肺音识别中因肺音数据集规模较小所致模型过拟合分类精度低的问题,提出一种基于双源域迁移学习的肺音识别方法。一方面,将音频数据集Audio Set上的预训练模型VGGish网络迁移至肺音识别中,融合高效通道注意力ECA-Net以增强识别能力,然后提取肺音的对数梅尔频率谱特征,使用VGGish网络按照时序学习谱图中的信息,并对VGGish网络输出的特征向量经不同大小和扩张率的一维卷积核进行特征增强,将增强后的特征图输入双向门控循环单元以捕获肺音的时序信息;另一方面,将图像数据集ImageNet上的预训练模型VGG19迁移至肺音识别中,将肺音波形数据转换为谱图的形式输入并训练。将两方面的模型训练后作为特征提取器,融合具有高层语义的特征向量融合并输入集成学习算法CatBoost,实现最终的分类。实验结果表明,该方法对Coswara新冠数据集中肺音识别的特异性、敏感性指标和准确率分别达到80.66%、77.69%和79.18%,对ICBHI-2017数据集中肺音识别的特异性、敏感性指标和ICHBI-score分别达到88.75%、72.04%和80.39%,均优于对比的常见识别方法。

从肺音频谱分析平喘摩按法治疗儿童哮喘急性发作的效果

【目的】采用肺音频谱分析,评价平喘摩按法对儿童哮喘急性发作的疗效。【方法】采集11例儿童哮喘急性发作患者在实施平喘摩按法手法治疗前后的呼吸音,输入电脑导出肺音频谱信号数据,对声音强度(LSI)、平均有效功率(average RMS power)、总有效功率(total RMS power)及频率谱每隔25 Hz的音量大小进行比较。【结果】哮喘急性发作患儿在实施平喘摩按法手法治疗后,呼吸音强度、平均有效功率、总有效功率显著降低,与手法治疗前比较差异有统计学意义(P<0.01)。肺音频谱分析显示:手法治疗后,频率在300 Hz以下音量显著降低,与手法治疗前比较差异有统计学意义(P<0.05);而频率在300 Hz以上手法治疗前后音量大小差异无统计学意义(P>0.05)。【结论】肺音频谱分析可以客观、量化监测哮喘患儿肺通气功能,是一种新的、灵敏的临床检测方法。平喘摩按法治疗儿童哮喘急性发作效果显著。

肺音信号的自回归谱谱阵分析

本文应用自回归（ＡＲ）模型方法研究了各种肺音信号的ＡＲ谱谱阵，并与傅里叶功率谱谱阵作了对比，探讨了两种谱阵的特点与差异。实验结果表明：肺泡呼吸音ＡＲ模型阶次为６阶，气管音ＡＲ模型阶次为１４阶，哮鸣音与喘鸣音的ＡＲ模型阶次分别为１２阶与６阶。正常呼吸音（肺泡呼吸音与气管音）功率谱为连续谱，异常连续性肺音（哮鸣音与喘鸣音）功率谱为离散线状谱。音肺信号谱阵方法可显示出肺音的时变特性，有利于对肺音作动态分析。

运动前后脉搏声和肺音信号的同步拾取与特征研究

目的:人们对脉搏声和肺音的研究已取得了可喜的研究成果,但对运动员这样一个特殊群体的研究未见报道。方法:运用无创声学检测方法,在现场对运动前后的脉搏声和肺音进行同步拾取,对所测得数据加汉宁窗进行功率谱分析。结果:安静时脉搏声和肺音的主峰频率和频率范围与身高、体重之间并不相关,但与运动成绩却有一定的关联。同样的脉跳次数,其脉搏声的主峰频率和频率范围是不一样的;运动后的脉搏声的频率范围向低频和高频两端延伸,而肺音的频率范围则向高频端偏移,主峰频率降低。不同运动项目之间存在着较大差异。因此,我们认为在运动训练中用声谱信号检测具有无创、快速、准确的特点,可作为监测和评价运动员心肺功能的方法之一。

肺音信号的时变谱分析

肺音信号谱特性是肺音学研究的重要课题。本文利用ＦＦＴ谱分析技术，对正常肺音（肺泡呼吸音、气管音）与异常肺音（哮呜音、喘呜音）进行了时变谱研究，获得了上述各种肺音信号的谱特性。实验结果表明：时变谱分析是肺音分析的有效方法．