一种腹部智能听诊设备及其使用方法

技术领域

本发明涉及一种腹部智能听诊设备及其使用方法，属于医疗器械技术领域。

背景技术

腹部听诊是用于检查腹部是否正常的一项辅助检查方法，广泛应用于医学领域。值得注意的是，目前临床中的听诊大多还是使用机械式听诊器，并且根据医务人员经验初步判断疾病，不仅效率低下并且诊断的准确度不足；同时，一些疾病产生的微弱杂音人耳经常不能够捕捉，导致出现漏诊的情况；另外，市面上已有的电子听诊器虽然在使用过程中简单、方便，但却不具备智能诊断的功能，对于经验不足的医生，容易出现误判。

发明内容

针对上述现有技术存在的问题，本发明提供一种腹部智能听诊设备及其使用方法，以满足腹部听诊智能化的行业需求，实现对肠鸣音、动静脉血管杂音、摩擦音和振水音四种主要异常腹音的自动检测及智能识别，并提高诊断效率和准确度，以减少漏诊和误判的概率。

为了实现上述目的，本发明采用的技术方案是：一种腹部智能听诊设备，包括升降台部分、移动台部分以及听诊器部分；所述升降台部分包括床板、床板升降滑块、床板升降导轨、床板托架、限位固定杆、液压推杆以及床体主架；所述床体主架放置在地面上；所述床体主架上设置有液压推杆；所述液压推杆上端连接有床板托架；所述床板托架与两侧的床板升降导轨连接；所述床板升降导轨内侧面揩油滑槽，滑槽内部连接有可上下位移的床板升降滑块；所述床板托架两侧连接在所述床板升降滑块上；所述床板托架上还链接有限位固定杆；

所述移动台部分包括抓手导轨架、限位光杆、丝杆、主臂、副臂、臂连接转轴、电机、中心位块、边座块和中心座块；所述抓手导轨架放置在所述床体主架上；所述抓手导轨架上连接固定有限位光杆、丝杆；所述限位光杆、丝杆上连接有边座块和中心座块；所述边座块一侧连接有主臂；所述主臂一侧连接有副臂；所述副臂一侧连接在所述中心位块上；所述主臂、副臂运动通过电机控制，主臂和副臂之间连接有臂连接转轴；

所述听诊器部分包括听诊器抓手、全向听诊器、听诊器底座、中心球轴、y转轴、y滑块、x滑块、x转轴、平面压力传感器、声波采集器、步进电机，电路盒和控制台；所述听诊器抓手连接全向听诊器；所述控制台位于床板托架上一侧；所述听诊器部分整体连接在中心位块下方固定，其通过听诊器底座与中心位块连接固定；所述听诊器底座上连接有中心球轴；所述中心球轴与y转轴连接；所述y转轴与中心球轴之间连接有y滑块；所述y转轴一侧连接有x转轴；所述x转轴与y转轴之间连接有x滑块；

所述x转轴一侧连接有腹部智能听诊系统；所述腹部智能听诊系统包括声波采集器、平面压力传感器、服务器模块、电路盒以及步进电机；所述声波采集器上设置有平面压力传感器；所述声波采集器通过步进电机驱动。

进一步的，所述床板升降导轨可升降的高度范围为0-80cm。

一种腹部智能听诊设备使用方法，包括以下步骤；

步骤一：按照若干听诊的要求、参考人体的构造，通过调控控制台逐一进行进行听诊位置采音；听诊的腹音传送给电路盒；

步骤二：在电路盒内有音频放大电路、声音滤波电路、与智能终端用有线或无线的连接电路；如采用无线连接，在电路盒内还要有电源电路；

步骤三：在智能终端中安装听诊服务软件，对电路盒传来的腹音进行有效的采集、判断后，上传给专用电脑服务器；

步骤四：专用电脑服务器收到受检者的腹音信息，与数据库中的各种疾病造成的的腹部的异常肠鸣音、血管杂音(动/静脉)、摩擦音和振水音四种音进行比对、判断，并产生《腹部听诊诊断报告》；专用电脑服务器，还可以按照要求，将《腹部听诊诊断报告》发送给医生使用的智能终端中。

进一步的，所述步骤四中专用电脑服务器根据《腹部听诊诊断报告》，给医生的智能终端发出《数字医疗建议报告》；其主要内容有：本次诊断的结果、对结果治疗建议的若干方案、容易误诊或漏诊的警告提醒、用药警告提醒。

进一步的，所述步骤四中专用电脑服务器根据《腹部听诊诊断报告》，给用户的智能终端发出：《医嘱报告》；其主要内容有：指导用户防病治病的建议、配合治疗的要求。

进一步的，所述步骤四中专用电脑服务器与打印机连接。

进一步的，所述步骤三中智能终端为智能手机、平板电脑、PC电脑以及医疗机器人具有通信功能的终端设备。

本发明的有益效果是：

1)本发明通过设计能够自动采集并智能诊断腹音的设备，能够对腹音进行自动采集和数据处理，并对病人的腹音进行识别，同时对相应频率进行核对，进行了智能化疾病诊断。即智能设备替代了医护人员手动操作听取腹音并凭经验诊断的这一过程，提高了医疗效率和诊断准确度。

2)本发明适合普通用户在家庭、办公室使用，作简单的诊断，对疾病预先进行了解，减少医生的工作量，减轻工作压力。

3)本发明可以给医生的智能终端发出《数字医疗建议报告》，给用户的智能终端发出《医嘱报告》，并可以控制打印机打印，方便阅读和理解。

4)本发明基于数据库的深度学习后，可识别人工听诊易忽略的微弱杂音，减少漏诊和误判的概率。

5)本发明系统在实时处理数据，诊断受检者腹音的状况的同时，将患者的数据进行存储，构建数据库以实现系统自身的深度学习和数据共享。

附图说明

图1为本发明所述腹部智能听诊设备的总装配体示意图；

图2为本发明所述腹部智能听诊设备的总装配体结构拆解示意图；

图3为本发明所述腹部智能听诊设备的移动台拆解示意图；

图4为本发明所述腹部智能听诊设备的听诊器拆解示意图；

图中：1、床板，2、床板升降滑块，3、床板升降导轨，4、床板托架，5、限位固定杆，6、液压推杆，7、床体主架，8、控制台，9听诊器抓手，10、全向听诊器，11、抓手导轨架，12、限位光杆，13、丝杆，14、臂，15、副臂，16、臂连接转轴，17、电机，18、中心位块，19、边座块，20、中心座块，21、听诊器底座，22、中心球轴，23、y转轴，24、y滑块，25、x滑块，26、x转轴，27、平面压力传感器，28、声波采集器，29、步进电机。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明了，下面通过附图及实施例，对本发明进行进一步详细说明。但是应该理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限制本发明的范围。

除非另有定义，本文所使用的所有的技术术语和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同，本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。

如图1、图2、图3以及图4所示，一种腹部智能听诊设备，包括升降台部分、移动台部分以及听诊器部分；

升降台部分包括床板1、床板升降滑块2、床板升降导轨3、床板托架4、限位固定杆5、液压推杆6以及床体主架7；床体主架7放置在地面上；床体主架7上设置有液压推杆6；液压推杆6上端连接有床板托架4；床板托架4与两侧的床板升降导轨3连接；床板升降导轨3内侧面揩油滑槽，滑槽内部连接有可上下位移的床板升降滑块2；床板托架4两侧连接在所述床板升降滑块2上；床板托架4上还链接有限位固定杆5；

移动台部分包括抓手导轨架11、限位光杆12、丝杆13、主臂14、副臂15、臂连接转轴16、电机17、中心位块18、边座块19和中心座块20；抓手导轨架11放置在所述床体主架7上；抓手导轨架11上连接固定有限位光杆12、丝杆13；所述限位光杆12、丝杆13上连接有边座块19和中心座块20；边座块19一侧连接有主臂14；主臂14一侧连接有副臂15；副臂15一侧连接在所述中心位块18上；主臂14、副臂15运动通过电机17控制，主臂14和副臂15之间连接有臂连接转轴16；

听诊器部分包括听诊器抓手9、全向听诊器10、听诊器底座21、中心球轴22、y转轴23、y滑块24、x滑块25、x转轴26、平面压力传感器27、声波采集器28、步进电机29，电路盒和控制台8；听诊器抓手9连接全向听诊器10；控制台8位于床板托架4上一侧；听诊器部分整体连接在中心位块18下方固定，其通过听诊器底座21与中心位块18连接固定；听诊器底座21上连接有中心球轴22；中心球轴22与y转轴23连接；y转轴23与中心球轴22之间连接有y滑块24；y转轴23一侧连接有x转轴26；x转轴26与y转轴23之间连接有x滑块25；

x转轴26一侧连接有腹部智能听诊系统；所述腹部智能听诊系统包括声波采集器28、平面压力传感器27、服务器模块、电路盒以及步进电机29；声波采集器28上设置有平面压力传感器27；所述声波采集器28通过步进电机29驱动。

上述的平面压力传感器是在专业人员进行听诊时检测所给予腹部的压力的大小。上述声波采集器28是为了检测腹音的声音大小等信息。

一种腹部智能听诊设备使用方法，包括以下步骤；

步骤一：按照若干听诊的要求、参考人体的构造，通过调控控制台逐一进行进行听诊位置采音；听诊的腹音传送给电路盒；

步骤二：在电路盒内有音频放大电路、声音滤波电路、与智能终端用有线或无线的连接电路；如采用无线连接，在电路盒内还要有电源电路；

步骤三：在智能终端中安装听诊服务软件，对电路盒传来的腹音进行有效的采集、判断后，上传给专用电脑服务器；

步骤四：专用电脑服务器收到受检者的腹音信息，与数据库中的各种疾病造成的的腹部的异常肠鸣音、血管杂音(动/静脉)、摩擦音和振水音四种音进行比对、判断，并产生《腹部听诊诊断报告》；专用电脑服务器，还可以按照要求，将《腹部听诊诊断报告》发送给医生使用的智能终端中。

本实施例优选的，步骤三中智能终端为智能手机、平板电脑、PC电脑以及医疗机器人具有通信功能的终端设备。

本实施例优选的，步骤四中专用电脑服务器根据《腹部听诊诊断报告》，给医生的智能终端发出《数字医疗建议报告》；其主要内容有：本次诊断的结果、对结果治疗建议的若干方案、容易误诊或漏诊的警告提醒、用药警告提醒。步骤四中专用电脑服务器根据《腹部听诊诊断报告》，给用户的智能终端发出：《医嘱报告》；其主要内容有：指导用户防病治病的建议、配合治疗的要求。步骤四中专用电脑服务器与打印机连接。

受检者平躺姿势为仰卧位，双膝屈曲，腹部充分暴露。床板上抬到的工作高度为80cm。腹音采集分为九次，根据腹部九分法，分为上腹部，中腹部(脐区)，下腹部；左季肋部(脾区)，左腰部，左髂部；右季肋部(肝区)，右腰部，右髂部。腹音采集顺序为顺序从上到下，从左到右。检查者可通过控制台调控检查过程。

关于腹音，主要有：肠鸣音、血管杂音(动/静脉)、摩擦音、振水音。

腹音采集顺序为顺序从上到下，从左到右；关于上述的实施说明:

所说的腹音放大电路、复音滤波电路，可用微型集成电路来实现。所说的腹音放大电路，主要用于放大腹音。所说的腹音滤波电路，主要用于滤去环境的杂音、干扰音，让腹音清晰。所说的有线或无线连接电路，如果采用有线连接方式，则可以采用插头与智能终端耳机的插孔相连接，并且由智能终端提供电源。如果采用无线连接智能终端，可以有多种连接方式。例如：用蓝牙、近场通信等与智能终端相连接。所说的电源电路，是指电池供电的电路或者是稳压电源组成的电路。

对电路盒传来的腹音进行有效的采集、判断即对于腹音数据的采集和处理以及训练，具体的实施说明如下：

对采集的腹音进行数据的预处理，包含数字滤波，旨在滤除高频噪声以及直流噪声，同时尽可能保留腹音信号,具体方式为把音频送入二阶25-400hz的巴特沃斯中值滤波器，并可视化腹音数据，以便在报告中展示。给出代码实施例子：

from scipy import signal

def band_pass_filter(original_signal,order,fc1,fc2,fs):

中值滤波器

:param order:滤波器阶数

:param fs:音频采样率

:param fc1:截止频率

:param fc2:截止频率

:param original_signal:腹音数据

:return:滤波后的音频数据

”'

b,a＝signal.butter(N＝order,Wn＝[2*fc1/fs,2*fc2/fs],btype＝'bandpass')

new_signal＝signal.lfilter(b,a,original_signal)

return new_signal

audio_data＝band_pass_filter(audio_data,2,25,400,fs)

plot_signal(audio_data,title＝'After Filter')

为了降低模型的计算量，调用samplerate包对所有的音频信号进行下采样操作，考虑到我们已经对音频进行了25-400hz的中值滤波，根据奈奎斯特采样定律，我们把信号下采样到1000HZ

import samplerate

#下采样

down_sample_audio_data＝samplerate.resample(audio_data.T,1000/fs,converter_type＝'sinc_best').T

plot_signal(down_sample_audio_data,title＝'Down_sampled')。

由于不同腹音数据中的文件差异较大，我们对所有的腹音信号进行归一化，所述归一化即将所有腹音数据划分在范围在[-1,1]区间内。此时可视化腹音数据，以便在报告中展示。

为尽可能多利用现有的腹音数据集，需要对较长的腹音切割处理。例如，可以2.5s为单位对腹音进行切割。

在模型训练前，进行腹音数据集的融合，可按照对腹音的诊断需求进行数据集的融合，本专利中我们分为两份不同的数据集：

数据集一包含所有的正常腹音与不正常腹音；

数据集二仅包含AS，MS，MR，MVP四类异常腹音；

采用二阶谱分析法进行数据的特征提取，原因在乎特征提取的过程中，该方法可以尽可能多保留信号中的有用特征，降低噪声。

二阶谱分析法可用如下公示表示:

其中,

给出具体的代码实施例子：

#特征提取

from extract_bispectrum import polycoherence,plot_polycoherence

ex_audio_data＝down_sample_audio_data[:2500]

freq1,freq2,bi_spectrum＝polycoherence(

ex_audio_data,

nfft＝1024,

nperseg＝256,

noverlap＝100,

fs＝1000,

norm＝None)

bi_spectrum＝np.array(abs(bi_spectrum))#calculate bi_spectrum

bi_spectrum＝255*(bi_spectrum-np.min(bi_spectrum))/(np.max(bi_spectrum)-np.min(bi_spectrum))

plot_polycoherence(freq1,freq2,bi_spectrum)

#修改尺寸以便于投入神经网络

bi_spectrum＝bi_spectrum.reshape((256,256,1))

本文采用AOCT卷积神经网络。从而完成进行分类任务，网络中共使用了4个以卷积层、BN层、激活函数为整体的卷积块，再将结果传入全连接层中得到最终结果。

本发明通过设计能够自动采集并智能诊断腹音的设备，能够对腹音进行自动采集和数据处理，并对病人的腹音进行识别，同时对相应频率进行核对，进行了智能化疾病诊断。即智能设备替代了医护人员手动操作听取腹音并凭经验诊断的这一过程，提高了医疗效率和诊断准确度。本发明适合普通用户在家庭、办公室使用，作简单的诊断，对疾病预先进行了解，减少医生的工作量，减轻工作压力。本发明可以给医生的智能终端发出《数字医疗建议报告》，给用户的智能终端发出《医嘱报告》，并可以控制打印机打印，方便阅读和理解。本发明基于数据库的深度学习后，可识别人工听诊易忽略的微弱杂音，减少漏诊和误判的概率。本发明系统在实时处理数据，诊断受检者腹音的状况的同时，将患者的数据进行存储，构建数据库以实现系统自身的深度学习和数据共享。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换或改进等，均应包含在本发明的保护范围之内。