《電子技術(shù)應(yīng)用》
您所在的位置：首頁(yè) > 通信与网络 > 设计应用 > 基于CNN-LSTM神经网络的声纹识别系统设计
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。
中圖分類號(hào)： TP399
文獻(xiàn)標(biāo)識(shí)碼： A
DOI：10.16157/j.issn.0258-7998.200960
中文引用格式： 牟俊杰，姚剛，孫濤. 基于CNN-LSTM神經(jīng)網(wǎng)絡(luò)的聲紋識(shí)別系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)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

    隨著人工智能的突破性進(jìn)展和“互聯(lián)網(wǎng)+”技術(shù)的普及，智慧醫(yī)療成為醫(yī)療技術(shù)發(fā)展的新引擎，誕生了一系列智能醫(yī)療服務(wù)產(chǎn)品，如智能藥盒、智能手環(huán)等[1]。但人工智能過(guò)高的成本導(dǎo)致尋找合適的切入方式顯得尤為關(guān)鍵[2]。

    在人口老齡化日益嚴(yán)重的當(dāng)下，心血管疾病不斷威脅老年人健康，引發(fā)社會(huì)廣泛關(guān)注。由于醫(yī)療知識(shí)欠缺、行動(dòng)不便等原因，部分老年人就醫(yī)不及時(shí)，錯(cuò)過(guò)了搶救的黃金時(shí)間，留下永遠(yuǎn)的遺憾。開(kāi)發(fā)心血管疾病方面的智能預(yù)警系統(tǒng)，滿足龐大的老年人群體需求迫在眉睫[3]。在醫(yī)療實(shí)踐中，對(duì)心血管疾病的診斷常常以心率、心肺音數(shù)據(jù)為重要支撐，國(guó)內(nèi)外以DSP[4]、長(zhǎng)短時(shí)記憶(Long Short Time Memory，LSTM)[5]、卷積神經(jīng)網(wǎng)絡(luò)[6](Convolutional Neural Network，CNN)等方法算法為手段對(duì)心血管疾病的信號(hào)診斷進(jìn)行了相當(dāng)多的分析，但基本均停留在理論層面，距離軟硬件結(jié)合的實(shí)際應(yīng)用尚有差距。各種醫(yī)療設(shè)備的聚焦點(diǎn)主要是信號(hào)的準(zhǔn)確采集、分離[7-8]，基于醫(yī)療倫理等原因，對(duì)智能診斷設(shè)備的研制尚處于知識(shí)儲(chǔ)備期，有巨大的空白亟需填補(bǔ)。本文設(shè)計(jì)了基于CNN-LSTM的心血管疾病預(yù)警系統(tǒng)，利用物聯(lián)網(wǎng)技術(shù)采集心率和心肺音等健康指標(biāo)數(shù)據(jù)，對(duì)老人的健康狀況進(jìn)行實(shí)時(shí)監(jiān)測(cè)、預(yù)警，采用基于CNN-LSTM模型的智能算法對(duì)心肺音信號(hào)進(jìn)行智能分析預(yù)警。系統(tǒng)著重考慮了適用性、穩(wěn)定性和成本，具有較高的實(shí)用價(jià)值和完整的結(jié)構(gòu)框架，是利用智慧醫(yī)療從應(yīng)用層面解決心血管疾病問(wèn)題的一次重要探索。




本文詳細(xì)內(nèi)容請(qǐng)下載:http://m.ihrv.cn/resource/share/2000003439




作者信息:

牟俊杰，姚  剛，孫  濤

(海軍航空大學(xué) 岸防兵學(xué)院，山東 煙臺(tái)264001)

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容