论文部分内容阅读
咳嗽是人体的一种应激性的反射保护机制,可以有效清除位于呼吸系统内的异物,与此同时,持续、过度的咳嗽也会给人体造成伤害。不同呼吸疾病可能具有不同的咳嗽特征,这些特征靠主观描述难以做到准确。目前,临床上还没有成熟的咳嗽监测设备,对咳嗽的判断主要依靠病人的主诉,难以对咳嗽的情况做一些客观的量化和分析。 从咳嗽的生理学特征和声学特点可知,咳嗽声音属于典型的非平稳信号,具有突发性,明显不同于一般的语音信号。本系统采用基于人耳特性的Mel倒谱系数(MFCC)作为咳嗽音特征参数。通过对临床采集的咳嗽音数据进行特征提取和训练,得到一组用于语音匹配的模板库。在咳嗽音监测的时候,首先将语音数据流进行分帧,经过初步筛选后,对疑似咳嗽的语音数据提取MFCC参数,使用动态时间规整(DTW)算法,将其MFCC特征参数和模板库匹配。如果两者的倒谱系数距离在指定范围内,就可认为检测到咳嗽音信号。系统通过对搜集的咳嗽数据进行咳嗽自动检测,得出目前的识别算法的识别率为77.8%,误识率为12.9%。 基于上述的研究,本文设计了一种24小时的咳嗽音监测系统。它包括PC端和便携设备端两部分。PC端实现了基本信息管理功能和咳嗽数据的管理分析功能,后者主要便于医护人员对病人进行咳嗽信号的统计和分析。便携设备端主要用于咳嗽音的监测,将咳嗽语音数据储存到设备端的本地数据库,并能够对所记录的咳嗽音数据做24小时的信号统计,包括强度和频率。 本系统采用C/S架构模式,以SQL Server作为服务端的数据库,以SQL CE作为咳嗽音监测设备的本地数据库。利用远程数据访问技术(RDA)实现SQLServer和SQL CE之间的数据同步功能。在网络连通的情况下,病人可以在家里实现数据的上传和下载。 通过临床25位病人的咳嗽监测可以得出,咳嗽音监测系统可以帮助临床上对咳嗽做出有效的评价,并且在试用中,该系统也得到了临床工作人员的肯定。 目前,国内尚未发现在临床上使用的咳嗽音监测系统,如果本系统得到推广,将可以填补这一不足。在此基础上,如果能通过深入的机器学习功能,在本系统加入更多咳嗽方面的专家知识,可以帮助提高临床诊断的精确度。