本发明涉及一种集成式智能腰带及其制备方法,智能腰带包括腰带本体以及分别内置于腰带本体腹部、背部以及左右两侧的多维柔性传感器,用以分别将受到的压力、拉力以及摩擦力信号转换为电学信号,以便对佩戴者的腰围、生命体征、体动以及身体摩擦信号进行监测。与现有技术相比,本发明具有增强信号检测、集成式、多功能性、成本低、重量轻、自供能等优点。

本发明公开一种滤波系统及滤波方法,该滤波方法包含：接收一声音信号；依据声音信号的频率,将声音信号分解出一主要(primary)肺音信号及一参考(reference)心音信号；依据一权重值调整参考心音信号,以产生一调整心音信号；以及将主要肺音信号与调整心音信号相减,以产生一滤波后肺音信号。

本发明提出了基于卷积神经网络的肺病听诊系统、信号处理方法及设备,系统包括：预处理模块,被配置为对获取的呼吸音信号依次进行归一化处理；数据转换模块,被配置为对归一化后的数据提取音频特征,生成梅尔频谱数据；数据增强模块,被配置为利用数据增强模型对生成的梅尔频谱数据进行数据的扩增；卷积神经网络模块,被配置为利用训练后的深度学习模型对扩增后的梅尔频谱数据进行特征提取；特征分类模块,被配置为对提取的特征利用训练后的低差异度森林分类器进行分类,得到分类结果。能针对小样本实现准确的特征分类,系统运算量小,可以实现在嵌入式电脑设备上部署,可以实现远程诊疗。

本发明公开基于智能穿戴系统的肺音实时监测方法,通过肺音传感器收集肺音数据进行放大处理得到肺音信号,并对肺音信号进行EMD分解和希尔伯特变换得到Hilbert谱以获得频域特征；通过改变信号的采样频率将传感器所获取的肺音信号缩减成一个呼吸周期的肺音信号,再用最小二乘法消除趋势项去除设备导致的趋势误差,以完成去噪预处理；将去噪预处后的肺音信号采用以db6为小波基的小波变换分解为的五层细节层,应用自适应阈值方法用中值阈值函数及非线性中值阈值函数对小波系数过滤,然后通过高通滤波和低通滤波过滤噪声信号,最后将过滤后的肺音信号进行重组；对正常肺音、哮鸣音和啰音进行特征提取得到该肺音信号的特征向量F。本发明实时监测使用者肺音,守护着人体健康。

本文档尤其讨论了用于使用受试者在用力时的心脏加速信息相对于受试者在静息时的心脏加速信息的所确定的变化来确定受试者的射血分数保留的心力衰竭(HFpEF)的指示的系统和方法。该系统可以包括：信号接收器电路,该信号接收器电路被配置为接收受试者的心脏加速信息和受试者的用力信息；以及评估电路,该评估电路被配置为确定受试者在用力时的心脏加速信息相对于受试者在静息时的心脏加速信息的变化,并使用心脏加速信息方面的所确定的变化来确定受试者的HFpEF的指示。

本发明公开了一种基于多任务分类的肺部病理音自动化分析方法,涉及肺部病理分析技术领域,包括以下步骤：将提取的音频特征,输入至卷积神经网络MobileNetV2的多任务分类模型,所述卷积神经网络MobileNetV2的多任务分类模型,包括输出用于肺部病理音识别任务和输出用于肺部疾病预测任务。本发明采用多任务学习方法可以隐式增加训练数据量,并通过同一数据的多个标签信息的领域知识来改善模型的泛化性能,从而提升卷积神经网络MobileNetV2的多任务分类模型的预测准确率,另外使用轻量化的卷积神经网络MobileNetV2的多任务分类模型,参数较少,对训练设备的计算能力、内存大小的需求比较小,使得预测分类任务可以在移动或嵌入式设备上完成。