本发明属于一种医学技术的改进，具体为一种基于双层傅里叶变换的远程心音智能诊断系统及诊断方法。
背景技术：
根据世界卫生组织的报告，心血管疾病已经成为人类的头号杀手，并且由于心血管疾病所造成的死亡人数仍然在逐年提升。针对心血管疾病，在早期进行发现和诊断对于疾病的治愈具有重要意义。因而心血管疾病的便利化、智能化诊断是心血管疾病防治的一种重要方法。其中心音智能诊断是一种典型的方法，具有诊断成本低、无损便利、便于传输等优点，广泛应用于临床的诊断之中，尤其是用于不发达地区的远程智能诊断。心音信号是心脏中的血液在循环流动中，导致心脏瓣膜开关而产生的一种人体声音生理信号，患有不同心脏疾病的病人往往具有不同的血液流动模式，从而导致所采集的心音信号具有不同的时序结构，因此有效提取心音信号的时序结构特征可以为心脏病的智能化诊断提供生理依据。
现有的基于心音信号的智能化诊断方法，通常先进行心音分段，也即是将心音信号按照其运动的生理模式“心舒期->心缩期->心舒期->心缩期”划分成一个个心循环，其中每个心循环包含一个完整的心舒期和一个完整的心缩期。然而心音分段是一个富有挑战的任务，即使人工专家有时也难以准确的进行心音分段。同时，我们的主要任务是进行心音分类而非心音分段。事实上，当不需要明确指出心脏疾病出现在心循环内的具体时刻时，即使无须分段常常也能准确进行心音识别。因而有必要研究无须分段的心音智能诊断方法。然而采集的心音信号常常起始位置不同，这会导致所提取的心音特征难以匹配。此外，现有的方法常常使用传统的面对面的诊断方法，缺乏对远程诊断的支持，使得该技术的应用受到限制。
技术实现要素：
为了解决这一问题，本发明提供了一种基于双层傅里叶变换的远程心音智能诊断系统及诊断方法，可以将心音信号的时域和频域信息进行有效对齐，并且使用远程信号采集端、中心服务处理端和诊断结果接收端相结合的诊断系统，这样做不仅可以收集大量的心音数据来提高诊疗准确度，而且通过集中化的远程诊断可以有效的节约人力成本，提高医疗效率。
为解决上述技术问题，本发明所采用的技术方案为：一种基于双层傅里叶变换的远程心音智能诊断系统，包括远程终端设备和中心服务处理端，其中远程终端设备包括远程数据采集端和诊断结果接收端，所述中心服务处理端包括业务处理集群、运算处理集群和存储有基于双层傅里叶变换智能诊断算法的存储服务器，其中远程数据采集端和诊断结果接收端均与中心服务处理端中的业务处理集群通信连接，所述存储服务器和运算处理集群均与业务处理集群通信连接，所述存储服务器和运算处理集群也通信连接。
为解决上述技术问题，本发明所采用的技术方案为：一种基于双层傅里叶变换的远程心音智能诊断系统，其特征在于：包括远程终端设备和中心服务处理端，其中远程终端设备包括远程数据采集端和诊断结果接收端，所述中心服务处理端包括业务处理集群、运算处理集群和存储有基于双层傅里叶变换智能诊断算法的存储服务器，其中远程数据采集端和诊断结果接收端均与中心服务处理端中的业务处理集群通信连接，所述存储服务器和运算处理集群均与业务处理集群通信连接，所述存储服务器和运算处理集群也通信连接。
为解决上述技术问题，本发明所采用的技术方案为：一种基于基于双层傅里叶变换的远程心音智能诊断方法，其特征在于：包括训练过程和测试过程，所述训练过程依次包括输入训练心音信号、短时傅里叶变换、子带傅里叶变换和svm训练从而得到训练模型；所述测试过程是输入测试心音信号、短时傅里叶变换、子带傅里叶变换、svm预测从而得到预测结果，其中训练模型参与测试过程中的svm预测。
作为优选，其中的短时傅里叶变换和子带傅里叶变换具体包括如下步骤：
步骤1：对心音信号按照时序进行分割，分割成m个时序片段
步骤2：假设其中一个时序片段表示为{x0,x1,l,xn-1}，一共n个采样点，则对其进行傅里叶变换得到各子带信息：
一共n个子带信息
步骤3：由于傅里叶变换的对称性，对xk进行取绝对值操作，并取前一半的值：
步骤4：对每个时序片段均进行步骤2和步骤3操作，则可以得到一个时频矩阵
其中
步骤5：对矩阵s的每个子带进行傅里叶变换
步骤6：对f取绝对值，并取前一半的特征
最终得到矩阵
作为优选，在训练过程中是将双层傅里叶变换特征送入svm训练得到用于心音识别的分类模型。
本发明所达到的有益效果：本发明的基于双层傅里叶变换的远程心音智能诊断系统及诊断方法通过对心音信号进行双层傅里叶变换得到了物理含义相匹配的心音时频特征，解决了在不分段的情况下，起始位置不同的心音信号所得到的时频特征难以有效匹配的问题，从而能够更有效的进行心音智能诊断，其对于基于心音信号的心脏病智能诊断具有重要意义。
该系统通过远程数据采集端、中心服务处理端和诊断结果接收端相结合的方式，使得心音智能诊断的应用场景和方式更加普适，能够有效的为各种医疗机构开展远程心音诊断，降低医疗成本，提高医疗效率。
该系统提出的中心式的部署结构，可以有效的利用医疗资源，采集心音大数据，优化诊疗算法，提升诊断结果的准确性。
附图说明
图1是本发明的基于双层傅里叶变换的远程心音智能诊断系统的系统架构示意图；
图2是本发明的基于双层傅里叶变换的远程心音智能诊断方法的流程示意图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
一种基于双层傅里叶变换的远程心音智能诊断系统，包括远程终端设备和中心服务处理端，其中远程终端设备包括远程数据采集端和诊断结果接收端，所述中心服务处理端包括业务处理集群、运算处理集群和存储有基于双层傅里叶变换智能诊断算法的存储服务器，其中远程数据采集端和诊断结果接收端均与中心服务处理端中的业务处理集群通信连接，所述存储服务器和运算处理集群均与业务处理集群通信连接，所述存储服务器和运算处理集群也通信连接。
包括训练过程和测试过程，所述训练过程依次包括输入训练心音信号、短时傅里叶变换、子带傅里叶变换和svm(支持向量机，supportvectormachine)训练从而得到训练模型；所述测试过程是输入测试心音信号、短时傅里叶变换、子带傅里叶变换、svm预测从而得到预测结果，其中训练模型参与测试过程中的svm预测。
其中的短时傅里叶变换和子带傅里叶变换具体包括如下步骤：
步骤1：对心音信号按照时序进行分割，分割成m个时序片段
步骤2：假设其中一个时序片段表示为{x0,x1,l,xn-1}，一共n个采样点，则对其进行傅里叶变换得到各子带信息：
一共n个子带信息
步骤3：由于傅里叶变换的对称性，对xk进行取绝对值操作，并取前一半的值：
步骤4：对每个时序片段均进行步骤2和步骤3操作，则可以得到一个时频矩阵
其中
步骤5：对矩阵s的每个子带进行傅里叶变换
步骤6：对f取绝对值，并取前一半的特征
最终得到矩阵
在训练过程中是将双层傅里叶变换特征送入svm训练得到用于心音识别的分类模型。
本发明方法希望通过一种全新的基于双层傅里叶变换的心音智能诊断方法对患者的心脏疾病进行诊断。本发明将该智能诊断方法应用在远程医疗方面，通过将远程信号采集端、中心服务处理端和诊断结果接收端进行有效结合，来实现全新的心脏病远程智能诊断系统。其中远程信号采集端主要是采集患者的心音数据，并将其传输到中心服务处理端的服务器上，在服务器上使用本发明的基于双层傅里叶变换的心音智能诊断方法对采集到的心音信号进行分析处理，从而得到诊断结果，并将诊断结果通过中心服务处理端传输到远程诊断结果接收端。
在具体实施时，如图1和2所示，该方法可以分为训练过程和测试过程，在训练过程中通过短时傅里叶变换和子带傅里叶变换得到物理含义对齐的心音特征，并使用svm分类器对所得到的特征进行训练，从而得到有效的分类模型，进而使用该模型对远程信号采集端传输到中心服务端的心音信号进行诊断，得到预测诊断结果。
为了增加该发明的使用范围和条件，本发明系统采用了远程数据采集端、中心服务处理端和诊断结果接收端相结合的系统模型。
远程数据采集端安放在需要进行远程心音诊断的医疗机构，这些医疗机构主要是医疗资源薄弱的医疗机构，如基层医院、乡镇诊所以及贫困偏远地区的薄弱医疗机构终端。此外，为了减少设备成本和管理方便，远程数据采集端和诊断结果接收端设计在同一个远程终端设备中。其中远程数据采集端主要包含电子听诊器、数模转换器、嵌入式系统、显示面板和网络传输接口，通过它们可以将心音数据有效的传输到中心服务器处理端，服务器处理端接收到信号之后通过基于双层傅里叶变换的心音智能诊断方法对接收到的心音信号进行分析处理，得到诊断结果，并将诊断结果传输给诊断结果接收端。诊断结果接收端主要由嵌入式系统、显示面板、网络传输接口和打印接口组成，其负责接收中心服务处理端得到的诊断结果，并展示给远程端医疗机构。
本发明系统采用集中管理的方式来保证系统的可靠运行，其中枢和核心主要在中心服务器处理端，该中心服务处理端主要由存储服务器、运算处理集群、业务服务集群构成。其中存储服务器主要用来存储心音数据以及开展该系统所需要的业务系统数据，比如各个医疗机构的账号，病人信息等。运算处理集群主要是用来优化算法，响应智能诊断系统的诊断请求以及相应的业务请求，业务服务集群主要用来服务该系统所必须的账号登录查询管理需求。
以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
1.一种基于双层傅里叶变换的远程心音智能诊断系统，其特征在于：包括远程终端设备和中心服务处理端，其中远程终端设备包括远程数据采集端和诊断结果接收端，所述中心服务处理端包括业务处理集群、运算处理集群和存储有基于双层傅里叶变换智能诊断算法的存储服务器，其中远程数据采集端和诊断结果接收端均与中心服务处理端中的业务处理集群通信连接，所述存储服务器和运算处理集群均与业务处理集群通信连接，所述存储服务器和运算处理集群也通信连接。
2.一种基于双层傅里叶变换的远程心音智能诊断方法，其特征在于：包括训练过程和测试过程，所述训练过程依次包括输入训练心音信号、短时傅里叶变换、子带傅里叶变换和svm训练从而得到训练模型；所述测试过程是输入测试心音信号、短时傅里叶变换、子带傅里叶变换、svm预测从而得到预测结果，其中训练模型参与测试过程中的svm预测。
3.根据权利要求2所述的基于双层傅里叶变换的远程心音智能诊断方法，其特征在于：其中的短时傅里叶变换和子带傅里叶变换具体包括如下步骤：
步骤1：对心音信号按照时序进行分割，分割成m个时序片段
步骤2：假设其中一个时序片段表示为{x0,x1,l,xn-1}，一共n个采样点，则对其进行傅里叶变换得到各子带信息：
一共n个子带信息
步骤3：由于傅里叶变换的对称性，对xk进行取绝对值操作，并取前一半的值：
步骤4：对每个时序片段均进行步骤2和步骤3操作，则可以得到一个时频矩阵
其中
步骤5：对矩阵s的每个子带进行傅里叶变换
步骤6：对f取绝对值，并取前一半的特征
最终得到矩阵
4.根据权利要求3所述的基于双层傅里叶变换的远程心音智能诊断方法，其特征在于：在训练过程中是将双层傅里叶变换特征送入svm训练得到用于心音识别的分类模型。
技术总结