發(fā)布時(shí)間：2018-02-23 12:11

  本文關(guān)鍵詞： 肺音種類識(shí)別 語(yǔ)譜圖 灰度共生矩陣(GLCM) 支持向量機(jī)　出處：《東北師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：肺音是人體的呼吸系統(tǒng)與外界環(huán)境在換氣過(guò)程中產(chǎn)生的一種生理聲音信號(hào),這些聲音信號(hào)中蘊(yùn)含了大量豐富的的生理病理信息。近年來(lái)隨著大氣污染的日益加重,各種肺部疾病的發(fā)病率也日益增加,尤其是哮喘,支氣管炎等呼吸系統(tǒng)疾病,使得肺音的研究越來(lái)越受到學(xué)術(shù)界的重視。自從世界上最早的聽診器由法國(guó)醫(yī)生雷奈克在1861年發(fā)明以來(lái),直至今日,醫(yī)學(xué)上對(duì)人體肺音的聽診一直沿用最基本的聽診器方式,醫(yī)生通過(guò)聽診器中聽到肺部的聲音,結(jié)合自己的臨床經(jīng)驗(yàn)對(duì)病人進(jìn)行診斷,存在很大的主觀性,并且肺部雜音過(guò)大,傳統(tǒng)的聽診方法極易漏聽大量有用信息,從而影響醫(yī)生的準(zhǔn)確診斷。直至目前,在臨床醫(yī)學(xué)上,肺音聽診的結(jié)果還不能被定量的表示。但在肺部的諸多部位上檢測(cè)到的聲音信號(hào)中蘊(yùn)含著大量可被利用的信息,因此,利用肺部聲音信號(hào)診斷疾病具有巨大的潛力。人類需要一種新的診斷方式,對(duì)肺音中包含的豐富的信息進(jìn)行分析,當(dāng)肺音被更深層次的發(fā)掘后,醫(yī)生就能更有效地利用簡(jiǎn)單的聽診技術(shù),高效的分析和診斷出各類病癥。醫(yī)療費(fèi)也會(huì)大幅度下降,這一前景是十分誘人的。當(dāng)前,高速發(fā)展的智能信息處理技術(shù)為這一課題的研究提供了強(qiáng)大的工具,將數(shù)字信號(hào)處理等技術(shù)運(yùn)用到肺音研究中,已經(jīng)提上了日程。本文提出了一種基于語(yǔ)譜圖特征量提取方法,可實(shí)現(xiàn)對(duì)人體肺音的種類的分類識(shí)別,應(yīng)用MATLAB軟件進(jìn)行編程仿真。將提取的9種肺部聲音信號(hào)進(jìn)行預(yù)處理,轉(zhuǎn)換成語(yǔ)譜圖。并運(yùn)用圖像處理技術(shù)及數(shù)學(xué)形態(tài)學(xué)圖像處理技術(shù)對(duì)語(yǔ)譜圖進(jìn)行預(yù)處理操作,利用灰度共生矩陣(GLCM)對(duì)特征量進(jìn)行提取,分別得到Contrast(對(duì)比度),Correlation(相關(guān)性),Energy(能量),Homogeneity(熵)四類特征值,將以上四個(gè)特征集構(gòu)造為特定肺音種類識(shí)別的特征向量,作為支持向量機(jī)的輸入向量,運(yùn)用四類不同核函數(shù)對(duì)樣本進(jìn)行分類,實(shí)現(xiàn)種類識(shí)別。實(shí)驗(yàn)表明:本方法對(duì)特定肺音種類的識(shí)別率達(dá)到83.3%,基本實(shí)現(xiàn)了特定肺音種類的識(shí)別,可為醫(yī)學(xué)上的肺音識(shí)別問(wèn)題提供了一種新的輔助方法。
[Abstract]:Lung sound is a kind of physiological sound signal produced by the respiratory system of human body and the external environment in the process of air exchange. These sound signals contain a lot of physiological and pathological information. The incidence of various lung diseases is also increasing, especially respiratory diseases such as asthma, bronchitis, etc. Since the earliest stethoscope in the world was invented by French doctor Renaike in 1861, the medical auscultation of human lung sounds has been based on the most basic stethoscope method. Doctors hear lung sounds in stethoscopes and diagnose patients with their own clinical experience. There is a lot of subjectivity, and the lung murmur is too loud. Traditional auscultation methods are easy to hear a lot of useful information. So as to affect the accurate diagnosis of doctors. Until now, in clinical medicine, the results of lung sound auscultation can not be quantitatively expressed. But the sound signals detected in many parts of the lungs contain a lot of information that can be used, so, There is great potential for diagnosing diseases by using pulmonary sound signals. Humans need a new way to diagnose diseases by analyzing the rich information contained in lung sounds, and when lung sounds are further explored, Doctors will be able to use simple auscultation techniques more effectively to analyze and diagnose all kinds of diseases efficiently. The prospect of a sharp drop in medical costs is very attractive. The rapid development of intelligent information processing technology provides a powerful tool for the research of this subject. The application of digital signal processing and other techniques to lung sound research has been put on the agenda. The classification and recognition of human lung sounds can be realized, and the MATLAB software is used to program and simulate. The 9 kinds of lung sound signals extracted are preprocessed. Using image processing technology and mathematical morphology image processing technology to preprocess the spectral map, and using the gray level co-occurrence matrix (GLCM) to extract the feature quantity. Four kinds of eigenvalues of energy source energy (entropy) are obtained respectively. The above four feature sets are constructed as the feature vectors for the recognition of specific lung sound types, which are used as input vectors of support vector machines. Four kinds of kernel functions are used to classify the samples and realize the category recognition. The experiment shows that the recognition rate of the specific lung sounds is 83.3%, and the recognition rate of the specific lung sounds is basically realized. It can provide a new assistant method for lung sound recognition in medicine.
【學(xué)位授予單位】：東北師范大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：R443;TN912.3

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧艷容;景新幸;楊海燕;楊運(yùn)澤;;語(yǔ)音端點(diǎn)檢測(cè)研究[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年06期

2 顧亞祥;丁世飛;;支持向量機(jī)研究進(jìn)展[J];計(jì)算機(jī)科學(xué);2011年02期

3 夏思宇;潘泓;金立左;;非平衡二叉樹多類支持向量機(jī)分類方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年17期

4 李文斌;王長(zhǎng)松;;基于邊界信息的孔洞填充算法[J];計(jì)算機(jī)工程與設(shè)計(jì);2008年15期

5 田有文;李天來(lái);李成華;樸在林;孫國(guó)凱;王濱;;基于支持向量機(jī)的葡萄病害圖像識(shí)別方法[J];農(nóng)業(yè)工程學(xué)報(bào);2007年06期

6 陳柏生;;一種二值圖像連通區(qū)域標(biāo)記的新方法[J];計(jì)算機(jī)工程與應(yīng)用;2006年25期

7 劉向東;朱美琳;陳兆乾;陳世福;;支持向量機(jī)及其在模式識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2003年06期

8 劉相濱,王麓雅;一種求取物體凹點(diǎn)的算法研究[J];計(jì)算機(jī)與現(xiàn)代化;2001年06期

9 劉相濱,向堅(jiān)持,陽(yáng)波;基于八鄰域邊界跟蹤的標(biāo)號(hào)算法[J];計(jì)算機(jī)工程與應(yīng)用;2001年23期

10 陸建峰,楊靜宇,唐振民,葉玉坤,汪棟;重疊細(xì)胞圖像分離算法的設(shè)計(jì)[J];計(jì)算機(jī)研究與發(fā)展;2000年02期

相關(guān)碩士學(xué)位論文 前10條

1 姜美玲;利用語(yǔ)譜圖特性的車內(nèi)駕駛員漢語(yǔ)語(yǔ)音識(shí)別方法研究[D];吉林大學(xué);2014年

2 李楠;語(yǔ)譜圖圖像處理在蝙蝠“方言”信號(hào)分析中的應(yīng)用[D];東北師范大學(xué);2014年

3 李榮榮;語(yǔ)音端點(diǎn)檢測(cè)算法的研究及硬件實(shí)現(xiàn)[D];武漢理工大學(xué);2014年

4 張悅;語(yǔ)譜圖用于特定人組小詞匯量識(shí)別算法的研究[D];東北師范大學(xué);2013年

5 鐘美楠;便攜式肺音采集技術(shù)的研究[D];重慶大學(xué);2012年

6 李進(jìn);基于灰度共生矩陣的森林紋理構(gòu)造因子確定方法研究[D];浙江農(nóng)林大學(xué);2010年

7 童紅;孤立詞語(yǔ)音識(shí)別系統(tǒng)的技術(shù)研究[D];江蘇大學(xué);2009年

8 楊春風(fēng);基于語(yǔ)譜圖的音頻數(shù)字水印算法[D];西北師范大學(xué);2009年

9 田楊;精確直方圖規(guī)定化[D];山東大學(xué);2008年

10 楊燕婷;基于Windows平臺(tái)的肺音聽診系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];電子科技大學(xué);2006年

，

本文編號(hào)：1526607