基于CNN-LSTM神经网络的声纹识别系统设计
2021年电子技术应用第3期
牟俊杰，姚 刚，孙 涛
海军航空大学 岸防兵学院，山东 烟台264001
摘要：为实现对心血管疾病的预警，及早发现以心率、心肺音恶性变化为代表的危险前兆，设计基于CNN-LSTM神经网络的声纹识别系统。利用物联网技术融合心率传感芯片、单片机、电子听诊器等设备，对心率进行实时监测、辅助预警；根据梅尔道普频率系数对心肺音信号进行特征提取，构建基于CNN-LSTM算法的心肺音智能识别模型，对部分心肺音进行智能检测诊断，实验结果显示损失值为0.082，准确率达0.908。开拓了人工智能技术在心血管疾病预警方面的应用空间，前瞻性强、结构框架完整，可有效避免医疗资源浪费，前置对心血管疾病的应对措施，市场应用前景广阔，对于推动智慧医疗有重大作用。
中图分类号：TP399
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200960
中文引用格式：牟俊杰，姚刚，孙涛. 基于CNN-LSTM神经网络的声纹识别系统设计[J].电子技术应用，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.
文献标识码：A
DOI：10.16157/j.issn.0258-7998.200960
中文引用格式：牟俊杰，姚刚，孙涛. 基于CNN-LSTM神经网络的声纹识别系统设计[J].电子技术应用，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
随着人工智能的突破性进展和“互联网+”技术的普及，智慧医疗成为医疗技术发展的新引擎，诞生了一系列智能医疗服务产品，如智能药盒、智能手环等[1]。但人工智能过高的成本导致寻找合适的切入方式显得尤为关键[2]。
在人口老龄化日益严重的当下，心血管疾病不断威胁老年人健康，引发社会广泛关注。由于医疗知识欠缺、行动不便等原因，部分老年人就医不及时，错过了抢救的黄金时间，留下永远的遗憾。开发心血管疾病方面的智能预警系统，满足庞大的老年人群体需求迫在眉睫[3]。在医疗实践中，对心血管疾病的诊断常常以心率、心肺音数据为重要支撑，国内外以DSP[4]、长短时记忆(Long Short Time Memory，LSTM)[5]、卷积神经网络[6](Convolutional Neural Network，CNN)等方法算法为手段对心血管疾病的信号诊断进行了相当多的分析，但基本均停留在理论层面，距离软硬件结合的实际应用尚有差距。各种医疗设备的聚焦点主要是信号的准确采集、分离[7-8]，基于医疗伦理等原因，对智能诊断设备的研制尚处于知识储备期，有巨大的空白亟需填补。本文设计了基于CNN-LSTM的心血管疾病预警系统，利用物联网技术采集心率和心肺音等健康指标数据，对老人的健康状况进行实时监测、预警，采用基于CNN-LSTM模型的智能算法对心肺音信号进行智能分析预警。系统着重考虑了适用性、稳定性和成本，具有较高的实用价值和完整的结构框架，是利用智慧医疗从应用层面解决心血管疾病问题的一次重要探索。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003439
作者信息:
牟俊杰，姚 刚，孙 涛
(海军航空大学 岸防兵学院，山东 烟台264001)
此内容为AET网站原创，未经授权禁止转载。