(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211136273.X (22)申请日 2022.09.19 (71)申请人 中国医科 大学 地址 110122 辽宁省沈阳市沈北新区蒲河 路77号 (72)发明人 于璐　付俊义　 (74)专利代理 机构 沈阳亚泰专利商标代理有限 公司 21107 专利代理师 史力伏 (51)Int.Cl. G16H 50/20(2018.01) G16H 50/70(2018.01) G06K 9/62(2022.01) G06N 20/00(2019.01) A61B 7/00(2006.01)A61B 7/04(2006.01) (54)发明名称 一种基于数字化肺音构建慢性 阻塞性肺疾 病鉴别系统、 构建方法及应用 (57)摘要 本发明属于数字医疗 领域， 具体涉及一种基 于数字化肺音构建慢性阻塞性肺疾病鉴别系统、 构建方法及其应用。 本系统包括数据采集模块、 预处理模块、 转换模块、 数据模块、 数据处理模 块、 数据增强训练模块、 深度学习模块、 鉴别模 块、 分级模块和显示模块。 采集候选者的数字化 肺音记录， 转成梅尔声谱图， 利用 深度神经网络 进行诊断。 候选者为COPD患者， 健康， 或者患有 其 他肺部疾病， 以及COPD患者的疾病等级将由搭载 鉴别系统的设备给出。 检查只需要临床或其他场 所中采集的肺部听诊肺音， 减少常规诊断过程中 的放射损伤与可能的接触感染风险。 在新冠肺炎 流行的当下， 在减少 感染风险同时， 为COPD的早 期诊断提供了方案， 提高呼吸内科， 特别是COPD 疾病的诊断效率。 权利要求书2页 说明书5页 附图5页 CN 115424721 A 2022.12.02 CN 115424721 A 1.一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特征在于， 包括以下模块： 数据采集模块、 预处理模块、 转换模块、 数据模块、 数据处理模块、 数据增强训练模块、 深度 学习模块、 鉴别模块、 分级模块和显示模块。 2.根据权利要求1所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述数据采集模块， 用于采集候选者呼吸时肺部气流摩擦产生的肺音， 数字化并存 储用于后续预处理模块； 所述预处理模块用于去除采集肺音记录中混杂的环境噪声、 心音 和工频干扰， 同时进 行归一化处理， 得到有效肺音 数据； 所述转换模块用于预 处理后的音频 经过傅里叶变换和梅尔滤波器组， 肺音转换成梅尔声谱图。 3.根据权利要求1所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述数据模块包括三个数据集， 分别为ICBHI  Database  、 King Abdullah   University  Hospital database和RespiratoryDatabase@TR； 其中， ICBHI  Database 和  King Abdullah University  Hospital database两个公开数据集合并， 用于提供COPD鉴别 的肺音数据集， 所述的数据集划分为训练集和测试集； RespiratoryDatabase@TR公开数据 集， 用于提供C OPD分级的肺音 数据集， 所述的数据集划分为训练集和测试集； 所述数据处理 模块将数据集的全部数据经 过预处理模块和转换模块获取声谱。 4.根据权利要求1所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述数据增强训练模块用于将公开数据集中转换声谱的训练集进 行数据扩增网络 的训练， 包括VQ ‑VAE深度学习数据扩增 模型， 训练集中， 用于VQ ‑VAE的训练， 得到了增强后 平衡的训练数据集， 平衡后的训练集进入后续深度学习模块， 所述深度学习模块， 包括基于 Resnet50的鉴别和分级模型， 用ImageNet上预训练的权重对基于Resnet50的模型初始化， 然后用经过数据增强模块得到的平衡后的鉴别数据集/ 分级数据集的训练集在此模块再训 练； 模型训练采用焦点损失函数和warmup学习 率优化以提高模型性能， 测试集用于对基于 Resnet50的模型评估、 测试和验证。 5.根据权利要求1所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述鉴别模块是基于Resnet50的鉴别模型经过50个epoch的训练后， 训练准确率不 再提升， 损失不再下降； 在测试集上 的准确率， 敏感度， 特异度达到最高的模型作为最终的 鉴别模块， 鉴别模块将输入的肺音分为患有COPD， 患有COPD外的其他肺部疾病， 或健康； 所 述的鉴别模块设有输入端和输出端， 所述的输入端为采集自候选者的肺音 经预处理模块和 转换模块的梅尔声谱图； 输出端输出候选者的鉴别结果， 即候选者患有COPD或COPD外的其 他肺部疾病， 或健康； 所述分级模块是基于Resnet50的分级模型经过50个epoch的训练后， 训练准确率不再提升， 损失不再下降； 在测试集上的准确 率， 敏感度， 特异度达到最高的模 型作为最终 的分级模块， 所述的分级模块将输入的COPD肺音分为COPD0级、 COPD1级、 COPD2 级、 COPD3级、 或COPD4级； 所述的分级模块设有输入端和输出端， 所述的输入端为采集自候 选者的数字化肺音 经预处理模块和转换模块的梅尔声谱图； 输出端 给出候选者C OPD的病情 等级。 6.根据权利要求1所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述显示模块 为输出端判定结果在搭 载鉴别系统的设备中显示。 7.根据权利要求2所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 去除采集肺音记录中混杂的环境噪声、 心音和工频干扰方法为五阶巴特沃兹滤波权　利　要　求　书 1/2 页 2 CN 115424721 A 2器和经验 模态分解进行去噪。 8.根据权利要求4所述的一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统， 其特 征在于， 所述的数据扩增网络的训练方法为： 样本 分布不均的公开数据集的训练集中， 将样 本数较少类声谱输入vq ‑VAE网络进行训练， 网络通过编解码和PixelSnail算法 “学习”该类 声谱的概率分布特征和自回归先验特征， 再作为生成器， 从特征空间进行采样解码以生成 新的属于该类的样本， 得到 了增强后平衡的训练数据集。 9.一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统的构建方法， 其特征在于， 包 括以下步骤： 1） 采集ICBHI  Database  和 King Abdullah  University  Hospital  database两个公 开数据集合供用于鉴别模型训练的肺音， 将数据集合去噪处理后按照8:2的比例分为训练 集和测试集； 采集RespiratoryDatabase@TR公开数据集提供用于分级模型训练的肺音， 将 数据集合去噪处 理后按照8 :2的比例分为训练集和 测试集； 2） 训练集中进行增强网络的训练， 样本分布不均衡的训练集中， 样本数量较少类别的 声谱输入vq ‑VAE网络进行训练， 网络通过编解码和Pix elSnail算法 “学习“声谱的概率分布 特征和自回归先验特 征； 再作为生成器， 从特 征空间进行采样解码以生成新的属于少数类的样本； 这样， 经过vq‑VAE过程， 得到 了增强后平衡的训练数据集； 3） 增强后平衡的训练数据 集采用迁移的学习方法进行深度学习， 用ImageNet上预训练 的权重对基于Resnet50的模型初始化， 然后用 增强的训练集进行再训练； 模型训练采用焦 点损失函数和warmup学习率优化以提高模型性能， 经 过测试集对 模型评估、 测试和验证； 4） 经过深度学习得到性能最优的模型作为最终的鉴别模块和分级模块， 所述的鉴别模 块将输入的肺音分为患有C OPD， 患有C OPD外的其他肺部疾病， 或健康； 所述的分级模块将 输 入的COPD肺音分为COPD0级、 COPD1级、 COPD2级、 COPD3级、 或COPD4， 所述的鉴别和分级模块 设有输入端和输出端， 所述的输入端为 候选者的梅尔声谱图； 5） 候选者的梅尔声谱图来自于采集候选者呼吸时肺部气流摩擦产生的肺音， 经过去噪 和归一化处理得到有效肺音数据， 经过傅里叶变换和 梅尔滤波器组， 肺音转换成梅尔声谱 图； 6） 鉴别模块和分级模块给出候选者的鉴别结果或分级结果并显示在搭载鉴别系统的 设备界面上。 10.一种基于数字化肺音构建慢性阻塞性肺疾病鉴别系统在制备慢性阻塞性肺疾病辅 助诊断工具中的用途。权　利　要　求　书 2/2 页 3 CN 115424721 A 3