《電子技術應用》
您所在的位置:首頁 > 通信與網(wǎng)絡 > 設計應用 > 基于CNN-LSTM神經(jīng)網(wǎng)絡的聲紋識別系統(tǒng)設計
基于CNN-LSTM神經(jīng)網(wǎng)絡的聲紋識別系統(tǒng)設計
2021年電子技術應用第3期
牟俊杰,姚 剛,孫 濤
海軍航空大學 岸防兵學院,山東 煙臺264001
摘要: 為實現(xiàn)對心血管疾病的預警,及早發(fā)現(xiàn)以心率、心肺音惡性變化為代表的危險前兆,設計基于CNN-LSTM神經(jīng)網(wǎng)絡的聲紋識別系統(tǒng)。利用物聯(lián)網(wǎng)技術融合心率傳感芯片、單片機、電子聽診器等設備,對心率進行實時監(jiān)測、輔助預警;根據(jù)梅爾道普頻率系數(shù)對心肺音信號進行特征提取,構建基于CNN-LSTM算法的心肺音智能識別模型,對部分心肺音進行智能檢測診斷,實驗結果顯示損失值為0.082,準確率達0.908。開拓了人工智能技術在心血管疾病預警方面的應用空間,前瞻性強、結構框架完整,可有效避免醫(yī)療資源浪費,前置對心血管疾病的應對措施,市場應用前景廣闊,對于推動智慧醫(yī)療有重大作用。
中圖分類號: TP399
文獻標識碼: A
DOI:10.16157/j.issn.0258-7998.200960
中文引用格式: 牟俊杰,姚剛,孫濤. 基于CNN-LSTM神經(jīng)網(wǎng)絡的聲紋識別系統(tǒng)設計[J].電子技術應用,2021,47(3):75-78.
英文引用格式: Mu Junjie,Yao Gang,Sun Tao. Design of vocieprint recognition system based on CNN-LSTM neural network[J]. Application of Electronic Technique,2021,47(3):75-78.
Design of vocieprint recognition system based on CNN-LSTM neural network
Mu Junjie,Yao Gang,Sun Tao
Coastal Defense College,Naval Aviation University,Yantai 264001,China
Abstract: For warning of cardiovascular disease,in order to early detect the change of heart and lung voice representing the signs of danger,the vocieprint recognition system based on CNN-LSTM is designed. Using the Internet of Things technology coalescing the heart rate sensor chip, single-chip computer, electronic stethoscope, such as equipments,it can monitor the heart rate in real-time, early warn.And the cardiopulmonary sound recognition model based on the CNN-LSTM algorithm is trained, results show that the loss value is 0.082, accuracy rate of 0.908. The system is forward-looking and has a complete structural framework, which can effectively avoid the waste of medical resources, preposite the countermeasures for cardiovascular diseases.It has a broad application prospect in the market, and plays a significant role in promoting smart medical treatment.
Key words : CNN;LSTM;features extraction;MFCC;cardiovascular disease;vocieprint recognition

0 引言

    隨著人工智能的突破性進展和“互聯(lián)網(wǎng)+”技術的普及,智慧醫(yī)療成為醫(yī)療技術發(fā)展的新引擎,誕生了一系列智能醫(yī)療服務產(chǎn)品,如智能藥盒、智能手環(huán)等[1]。但人工智能過高的成本導致尋找合適的切入方式顯得尤為關鍵[2]。

    在人口老齡化日益嚴重的當下,心血管疾病不斷威脅老年人健康,引發(fā)社會廣泛關注。由于醫(yī)療知識欠缺、行動不便等原因,部分老年人就醫(yī)不及時,錯過了搶救的黃金時間,留下永遠的遺憾。開發(fā)心血管疾病方面的智能預警系統(tǒng),滿足龐大的老年人群體需求迫在眉睫[3]。在醫(yī)療實踐中,對心血管疾病的診斷常常以心率、心肺音數(shù)據(jù)為重要支撐,國內(nèi)外以DSP[4]、長短時記憶(Long Short Time Memory,LSTM)[5]、卷積神經(jīng)網(wǎng)絡[6](Convolutional Neural Network,CNN)等方法算法為手段對心血管疾病的信號診斷進行了相當多的分析,但基本均停留在理論層面,距離軟硬件結合的實際應用尚有差距。各種醫(yī)療設備的聚焦點主要是信號的準確采集、分離[7-8],基于醫(yī)療倫理等原因,對智能診斷設備的研制尚處于知識儲備期,有巨大的空白亟需填補。本文設計了基于CNN-LSTM的心血管疾病預警系統(tǒng),利用物聯(lián)網(wǎng)技術采集心率和心肺音等健康指標數(shù)據(jù),對老人的健康狀況進行實時監(jiān)測、預警,采用基于CNN-LSTM模型的智能算法對心肺音信號進行智能分析預警。系統(tǒng)著重考慮了適用性、穩(wěn)定性和成本,具有較高的實用價值和完整的結構框架,是利用智慧醫(yī)療從應用層面解決心血管疾病問題的一次重要探索。




本文詳細內(nèi)容請下載:http://ihrv.cn/resource/share/2000003439




作者信息:

牟俊杰,姚  剛,孫  濤

(海軍航空大學 岸防兵學院,山東 煙臺264001)

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權禁止轉載。