CN119446195A 一种心音信号的处理方法、装置、电子设备及存储介质 （北京远鉴信息技术有限公司）

于各预设心音阶段的第一概率和各预设心音阶段在目标持续时长下的第二概率确定各心音信周期和各心音信号时间片段所处的目标心音阶段对待处理心音信号进行分割得到心音信号周像输入到心音类型识别模型中得到心音信号周音类型识别模型通过心音特征图像中目标局部图像块内音频分量组的非线性相位耦合强度来2获取待处理心音信号中每个时刻的心音信号时间片段，确定每基于各个心音信号时间片段处于各个预设心音阶段的第一概率和各个预设心音阶段按照预设心音周期和各个所述心音信号时间片段所处的目标心音阶段，对针对任一所述心音信号周期片段，将所述心音信号周期片段对述心音特征图像用于通过颜色展示所述心音信号周期片段的各个音频分量组的非线性相间片段处于各个预设心音阶段的第一概率和各个预设心音阶段在各个目标持续时长下的针对任一所述心音信号时间片段，根据每个预设心音阶根据所有心音信号时间片段处于每个预设心音阶段的第三概率，段在每个目标持续时长下的第二概率对所述心音信号时间片段处于每个预设心音阶段的将每个预设心音阶段在每个目标持续时长下的第二概率、所述心音信;其中，piogr(x,s)为t时刻的心音信号时间片段处于第i个预设心音阶段的第一概率，4.根据权利要求1至3任一项所述的心音信号的处理方法，获取历史心音信号处于每个预设心音阶段的针对每个预设心音阶段，计算所述预设心音阶段的所有历史3;设心音阶段的所有历史持续时长的均值，o2为所述预设心音阶段的所有历史持续时长的针对每个局部图像块，将所述局部图像块及对应的在所述心音特征图像中的位置信将所有局部图像块对应的嵌入向量输入到所述心音类型识别模型的编码器确定自注意力权重大于预设权重的局部图像块为目标局部图像针对任一心音信号周期片段，将所述心音信号周期片段对应的心音信号周期片段对应的心音类型为所述目标心音获取模块，用于获取待处理心音信号中每个时刻的心音信号时确定模块，用于基于各个心音信号时间片段处于各个预设心分割模块，用于按照预设心音周期和各个所述心音信号时间片段所处的目标心音阶输入模块，用于针对任一所述心音信号周期片段，将所述心音信别模型通过所述心音特征图像中目标局部图像块内的音频分量组的非线性相位耦合强度45基于各个心音信号时间片段处于各个预设心音阶段的第一概率和各个预设心音阶段在各个目标持续时长下的第二概率，确定各个心音信号时间片段所处的目标心音阶输入到预先训练的心音类型识别模型中，得到所述心音信号周期片段对应的目标心音类过所述心音特征图像中目标局部图像块内的音频分量组的非线性相位耦合强度来进行确6;其中，piogr(x,s)为t时刻的心音信号时间片段处于第i个预设心音阶段的第一的第二概率，P(s)为预设的初始时刻的心音信号时间片段处于第i个预设心音阶段的概获取历史心音信号处于每个预设心音阶段的;其中，P(Tlu,o2)为所述预设心音阶段在所所述预设心音阶段的所有历史持续时长的均值，o2为所述预设心音阶段的所有历史持续时长的方差，为所述预设心音阶段的所有历史持续时长的标准差，为所述目标持续时7述心音信号周期片段对应的心音类型为所述目标心音类型识别模型通过所述心音特征图像中目标局部图像块内的音频分量组的非线性相位耦合段在各个目标持续时长下的第二概率，确定各个心音信号时间片段所处的目标心音阶段；按照预设心音周期和各个心音信号时间片段所处的目标心音阶段对待处理心音信号进行对应的目标心音类型是心音类型识别模型通过心音特征图像中目标局部图像块内的音频8图2示出了本申请实施例提供的确定心音信号时间片段所处的目标心音阶段的流此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因情况下，可以将这里定义的一般原理应用于其他实施例和应用场景。虽然本申请主要围绕同信号间的可比性；采用小波变换对归一化后的待处理心音信号进行多个预设尺度分解，9[0028]参照图2所示，为本申请实施例提供的确定心音信号时间片段所处的目标心音阶预设心音阶段的目标持续时长基于每个预设心音阶段的所有历史持续时长的标准差确定个目标持续时长下的第二概率对第一时刻的心音信号时间片段处于收缩期的第一概率进标持续时长下的第二概率对第一时刻的心音信号时间片段处于舒张期的第一概率进行修[0035]具体地，通过下述公式计算任一预设心音阶段在任一目标持续时长下的第二概;其中，P(Tlu,o2)为该预设心音阶段在所述目标持续时预设心音阶段的所有历史持续时长的均值，o2为该预设心音阶段的所有历史持续时长的;其中，piogr(x,s)为t时刻的心音信号时间片段处于第i个预设心音阶段的第一的第二概率，P(s)为预设的初始时刻的心音信号时间片段处于第i个预设心音阶段的概;其中，o[o:s]为初始时刻xo的心音信号时间片段处于第i个预设心音阶段四概率，P(sy)为预设的初始时刻的心音信号时间片段处于第i个预设心音阶段的概率，Pos,(xo,si)为初始时刻xo的心音信号时间片段处于第i个预设心音阶段si的第三概率。[0041]步骤二、针对除初始时刻的心音信号时间片段以外的任一时刻t的心音信号时间间片段处于每个预设心音阶段的第三概率，确定t时刻的心音信号时间片段处于每个预设[0042]在本申请实施方式中，通过下述公式确定t时刻的心音信号时间片段处于每个预;其中，6lt.sl为t时刻的心音信号时间片段处于第j个预设心音阶段sj的第四概率，[t-1,为t-1时刻的心音信号时间片段处于第i个预设心音阶段si的第四概率，AS,s,为预设的从第i个预设心音阶段si转移到第j个预设心音阶段sj的转移概率，定为t时刻的心音信号时间片段处于第j个预设心音阶段sj时t_1时刻的心音信号时间片段时刻的心音信号时间片段以外的任一心音信号时间片段，将t+1时刻的心音信号时间片段别模型通过心音特征图像中目标局部图像块内的音频分量组的非线性相位耦合强度来进;其中，B(ff)为心音信号周期特征中第i个音频分量fi与第j个音频分量fj之间傅里叶系数X(f)为心音信号周期片段在第j个音频分量fj上的复数幅值（即傅里叶系数X"(f+f)为心音信号周期片段在音频分量f+fj上的复数幅值的共轭复数，E[x(f)x(f)x"(fi+f)l为所有时间窗口的x(f)x(f)x"(fi+fj)的期望值（用于;其中，norm_value为心音信号周期特征中第i个特征点在归一化后的特征值，特征中该特征点的归一化后的特征值为颜色数值范围内的最大值（即255说明该特征点的颜色越红，该像素点对应的音频分量组中的音频分量之间的非线性相位耦合强度越高；像中还可以直观反映出分布在左下区域的音频分量组的非线性相位耦合强度高于其他区[0058]步骤三、将所有局部图像块对应的嵌入向量输入到心音类型识别模型的编码器[0059]在本申请实施方式中，心音类型识别模型为采用深度学习模型架构Transformer进行构建的。编码器中的多头自注意力机制能够确定每个局部图像块对应的自注意力权y=softmax(w.z+b)号周期片段对应的各个预设心音类型的概率。概率最大的预设心音类型即为目标心音类定为心音信号周期片段对应的心音类型为目标心音音特征图像之间的相似度，确定为心音特征图像的心音类型为每个预设心音类型的评分；时间片段处于各个预设心音阶段的第一概率和各个预设心音阶段在各个目标持续时长下类型识别模型通过心音特征图像中目标局部图像块内的音频分量组的非线性相位耦合强确定模块302，用于基于各个心音信号时间片段处于各个预设心音阶段的第一概分割模块303，用于按照预设心音周期和各个所述心音信号时间片段所处的目标类型识别模型通过所述心音特征图像中目标局部图像块内的音频分量组的非线性相位耦;其中，piogr(x,s)为t时刻的心音信号时间片段处于第i个预设心音阶段的第一的第二概率，P(s)为预设的初始时刻的心音信号时间片段处于第i个预设心音阶段的概;其中，P(Tlu,o2)为所述预设心音阶段在所所述预设心音阶段的所有历史持续时长的均值，o2为所述预设心音阶段的所有历史持续时长的方差，为所述预设心音阶段的所有历史持续时长的标准差，为所述目标持续时所述心音信号周期片段对应的心音特征图像与预先建立的图像库中与所述目标心音类型信号时间片段处于各个预设心音阶段的第一概率和各个预设心音阶段在各个目标持续时期片段；将心音信号周期片段对应的心音特征图像输入到预先训练的心音类型识别模型是心音类型识别模型通过心音特征图像中目标局部图像块内的音频分量组的非线性相位