基于智能識別功能的電子聽診器的制作方法

專利名稱：基于智能識別功能的電子聽診器的制作方法
技術領域：
本實用新型屬于醫療器械技術領域，尤其涉及一種用于輔助診斷的智能識別心音和呼吸音等生理參數、判別心音和呼吸音的類型、提取疾病特征的電子聽診器。
背景技術：
心音和呼吸音是人體心臟運動中和人體呼吸運動中所產生的生理特征，它蘊含著心臟和呼吸系統的生理和病理信息。在醫學臨床中心音和呼吸音的病理分析與血氣便化驗分析、X光線、B超診斷等技術相比，更能方便快捷的早期預測心臟和呼吸系統疾病。探索和研究心音和呼吸音的臨床診斷的技術理論已有120年的漫長時間，形成了較為完善聽診診斷學科體系并在臨床實踐和教學實踐中廣泛應用。同時隨著科學技術應用的發展，聽診器也在不斷地發展和完善從機械式發展到電子式，都是在幫助醫生更能準確的捕捉生理和 病理信息。但是由于我們人耳聽音本身功能的局限，是難以實現對于心音和呼吸音準確的聽診效果，而人們對心音和呼吸音的聲音信息產生與傳播的機理等方面的研究不夠深入，對于聲音信息與病理、生理之間相關性的還有待于深入的研究和掌握，這些都影響了當今臨床聽診診斷學的應用和發展。聽診器在向電子式的發展過程中只是在硬件環節上的創新，形式是電子麥克風接受聲音再進行各種電子硬件的濾波、運算放大、存儲等，實現聽診的聲音信息錄音生成數字文件、儲存及重復播放的功能。這些目的都是讓聽到的心音和呼吸音信號更加清晰準確，但由于心音和呼吸音的聲音干擾噪聲與信號在頻譜上的重疊，單純采用一般的硬件功能往往不能有效地消除干擾噪聲，需要采用更有效的信號處理技術來消除這些干擾噪聲，所以，目前的電子聽診器還不能真正意義上輔助醫生進行臨床診斷。因此臨床上迫切需要一種準確性高、易于操縱、攜帶方便、快速診斷的智能識別輔助醫生的聽診裝置。讓臨床醫生在心音和呼吸音聽診的同時儀器裝置通過已具備的科學識別方法智能識別出當時聽到音的特征同聲判斷出類別，并做出分析指正出疾病的類型和含有的病理信息，有效利用聽診技術實現早期發現疾病征兆輔助醫生診斷。目前業已成熟的現代信號處理和模式識別技術為此種輔助診斷設備的研究開發奠定了基礎，國內外眾多廠商所提供的最先進微電子模塊器材為研制新一代的智能識別的電子聽診器創造了條件，應用嵌入式電子信息技術和傳感器技術構成了研究開發的技術手段。

實用新型內容本實用新型為解決公知技術中存在的技術問題而提供一種準確性高、易于操縱、攜帶方便、快速診斷的基于智能識別功能的電子聽診器。本實用新型為解決公知技術中存在的技術問題所采取的技術方案是基于智能識別功能的電子聽診器包括處理器單元，用于對信號進行處理并對其它各單元進行管理，具體實現對心音和呼吸音信號的噪聲析出、提取心音和呼吸音病例特征、提取心音和呼吸音病例特征信號的包絡特征、實現自動分段算法識別以及神經網絡計算；信號采集單元，與處理器單元連接，用于采集心音呼吸音信號并對其進行放大、濾波、等處理并將采集到的模擬信號轉換為數字信號；外圍驅動單元，與處理器單元連接，用于對各操作功能環節如鍵盤、觸摸屏等提供控制驅動；存儲單元，與處理器單元連接，用于對程序及其擴展程序進行存儲，還用于存儲心音呼吸音數據以及標準的心音和呼吸音、疾病的各典型病例的聽音樣式；數據總線接口單元，與處理器單元連接，用于4G/3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊的連接。本實用新型采用了如下技術方案所述處理器單元為由嵌入式微處理器ARM和DSP構成的雙處理器。所述信號采集單元包括傳感器、信號調理電路及音頻芯片；所述傳感器由傳統的聽診器聽頭、膠皮管以及微型駐極體電容傳聲器構成；所述微型駐極體電容傳聲器位于膠皮管的一端，其信號引出線連接至所述信號調理電路的輸入端；所述信號調理電路包括放大電路和濾波電路；所述音頻芯片設于所述信號調理電路和所述處理器單元之間，用于實現音頻信號的采集與回放，還用于播放存儲單元中預設的標準心音、呼吸音以及疾病各典·型病例的聽音樣式。還包括用于提高儀器的應用性能、與其他設備進行通信的數據通信單元，所述數據通信單元為連接至所述處理器單元的串行通信接口。所述數據通信單元還包括用于實現與PC機進行數據交互的的USB接口單元，所述USB接口單元與所述處理器單元直接連接。所述存儲單元包括用于存儲數據的FLASH存儲器和用于擴展程序執行的SDRAM存儲器，所述FLASH存儲器和SDRAM存儲器均直接連接至所述處理器單元，并且兩者之間也互相連接，所述SDRAM存儲器在擴展程序執行時對FLASH存儲器中的數據進行讀取和寫入。所述FLASH存儲器還同時連接至所述處理器單元，且兩者之間還設有用于擴展處理器對所述FLASH存儲器進行高位尋址的鎖存器FPGA。所述存儲單元還包括直接連接至所述處理器單元、作為主存儲器進行心音呼吸音數據存儲的SD卡。還包括用于屏蔽電磁干擾的抗磁電路單元。還包括電源單元，所述電源單元包括聚合物鋰離子電池。本實用新型具有的優點和創新效果是把現代信號處理和模式識別技術引入到了電子聽診器中，應用嵌入式電子信息技術和傳感器技術來實現基于智能識別功能的電子聽診器。由ARM+DSP雙微處理器構成的處理器單元具體實現對心音和呼吸音的模式識別算法，完成對心音呼吸音信號的智能識別和分類，存儲單元不僅用于存儲當前所得心音呼吸音數據、而且預設有心音、呼吸音疾病的各典型病例的標準聽音樣式，通過音頻芯片對采集到的音頻信號進行回放并可以選擇播放收聽上述標準心音、呼吸音以及疾病各典型病例的聽音樣式，方便使用者進行對比判斷，并增強判斷的準確性，盡量降低主觀因素的影響。數據通信單元中的串行通信接口以及USB接口使儀器能夠與其他設備進行通信，尤其是與PC機之間的數據交互；連接4G/3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊的數據總線接口單元讓儀器實現與網絡環境的數據交互和Internet的數據通信，配合網絡輔助診斷系統更能發揮其優勢。
圖I是本實用新型的系統框圖；圖2是圖I中傳感器部分的結構示意圖。
具體實施方式
為能進一步了解本實用新型的實用新型內容、特點及功效，茲例舉以下實施例，并配合附圖詳細說明如下圖I是本實用新型的系統框圖。基于智能識別功能的電子聽診器包括處理器單元，用于具體實現對心音和呼吸音信號的噪聲析出、提取心音和呼吸音病例特征、提取心音 和呼吸音病例特征信號的包絡特征、實現自動分段算法識別以及神經網絡計算。信號采集單元，與處理器單元連接，用于采集心音呼吸音信號并對其進行放大、濾波、等處理并將采集到的模擬信號轉換為數字信號。外圍驅動單元，與處理器單元連接，用于對各操作功能環節如鍵盤、觸摸屏等提供控制驅動。存儲單元，與處理器單元連接，用于對程序及其擴展程序進行存儲，還用于存儲心音呼吸音數據以及標準的心音和呼吸音、疾病的各典型病例的聽音樣式。數據總線接口單元，與處理器單元連接，用于4G/3G模塊、GPRS模塊、WLAN模塊和LAN模塊的連接。還包括數據通信單元，該數據通信單元包括4G\3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊，用以實現與互聯網以及主從設備之間的數據通訊。本實用新型的智能識別聽診器的嵌入式微處理器，應用ARM+DSP中心處理單元C6A816X，集成ARM CortexA9內核和具有I. 5GHz的單內核浮點與定點DSP，以此實現現代信號處理和模式識別技術的通用算法，如數據濾波、圖像處理，智能識別技術算法，創新實現在此核心處理器單元內應用MATLAB系統仿真實現了復雜的數學函數運算、時頻域分析，小波轉換、神經網絡計算和模式識別軟件功能的處理算法。正是采用ARMCortexA9實現圖形用戶界面(GUI)、通訊處理和網絡連接、系統控制以及具體操作功能的處理應用，其雙核的高處理能力與DSP高性能嵌入式硬件架構，以保障智能識別算法功能的實現。本實用新型實現心音和呼吸音信號自動識別與分析，其采用的識別方法為利用心音和呼吸音各成分的時頻域特性，應用小波分解重構進行消噪，矯正基線漂移，然后提取其包絡信號，進而從包絡信號中提取心音和呼吸音各成分的特征信息，結合心音和呼吸音的相關醫學知識，利用神經網絡的方法對心音進行訓練和識別，讓醫生使用便捷。圖2是傳感器部分的結構示意圖。信號采集單元包括傳感器、信號調理電路及音頻芯片。其中，傳感器由傳統的聽診器聽頭I、膠皮管2以及微型駐極體電容傳聲器3構成，微型駐極體電容傳聲器3位于膠皮管2的一端，其信號引出線連接至信號調理電路的輸入端。信號調理電路包括放大電路和濾波電路。音頻芯片選擇TLV320AIC3253設于信號調理電路和處理器單元之間，用于實現音頻信號的采集與回放，還用于播放存儲單元中預設的標準心音、呼吸音以及疾病各典型病例的聽音樣式。音頻芯片TLV320AIC3253對心音呼吸音信號進行模數(A/D)轉換。充分應用高性能、集成有模擬功能的立體聲編解碼音功能，內置麥克和耳機輸出放大器，支持MIC和LINEIN兩種輸入方式，且對輸入和輸出都具有可編程增益調節。AIC3253的模數轉換(A/D)和數模轉換(D/A)部件高度集成在芯片內部，在內部集成了高采樣率的數字內插濾波器。由于具有上述優點，使得AIC3253是一款非常理想的音頻模擬I/O器件，可以很好地應用在各種數字音頻領域，對于心音呼吸音這類生理聲信號尤為適合。應用合適的傳感器采集信號是準確收集心音呼吸音信號的基礎，由于心音呼吸音信號比較微弱，這對傳感器的靈敏度、清晰度、精度和穩定性提出了很高的要求，必須選擇高配置、小型輕量化、信噪比高并且易于操作使用的傳感器。既要便于與人體皮膚表面接觸，又要盡量降低對人體表面振動及環境噪聲的影響。在現有技術中，符合要求的有PVDF壓電傳感器、電容傳聲器和加空氣稱合腔電容傳聲器、駐極體電容式傳聲器。本設備選用了微型駐極體電容傳聲器。信號調理電路的實現直接從傳感器輸出的心音呼吸音信號是很微弱的，將傳感器放置人體左側鎖骨下第四根肋骨的空處時測得信號的峰峰值為20mV，此信號主要為心音信號，包含部分的呼吸音信號和噪聲；在右側鎖骨下第二根肋骨的空處測得信號的峰峰值為5mV，此信號主要為呼吸音信號，包含部分心音及噪聲；在傳感器不接觸人體條件下測得噪聲的峰峰值為2mV。這類包含一定強度噪聲的微弱交流小信號不利于數據的采集，必須對其進行放大、濾波等一系列調理，由此設置了信號調理電路。 運算放大采用AD827對傳感器輸出的信號進行放大處理。AD827是一款高性能低噪聲的運算放大器，具有較好的噪聲性能，輸入噪聲僅為5nV，同時具有優良的放大能力及相當高的小信號帶寬。經傳感器檢測的心音呼吸音信號首先濾除高頻噪聲信號，然后經過AD827進行放大。為了更好的濾除頻率較高的噪聲，通過在運算放大器的反饋電路中加入濾波電容降低放大電路的高頻增益。實際實現中，當增益為IOdB時，在人體左側鎖骨下第三至四根肋骨的空處輸出信號的峰峰值為200-300mV ;在人體右側鎖骨下第二根肋骨的空處輸出信號的峰峰值為150mV ;在傳感器不接觸人體條件下噪聲的峰峰值為10mV。放大的心音和呼吸音信號可以滿足系統要求。由于心音的主要頻率范圍是20Hz-300Hz，呼吸音的主要頻率范圍是25Hz-2000Hz，為了更好的抑制該范圍的帶外噪聲，系統在放大器的輸出端有一個截止頻率為2000Hz的低通濾波器來濾除額外噪聲。 語音信號輸入之后，預處理和數字化是進行語音識別的前提條件。其中，預處理主要是進行預濾波，保留正常人的20 3400Hz的語音信號；數字化是要進行A/D轉換及抗混疊等處理；特征提取是進行語音信號訓練和識別必不可少的步驟。能夠體現語音信號特征的參數包括基于LPC的倒譜參數;Mel系數的倒譜參數；采用前沿數字信號處理技術的特征分析手段，如小波分析、時/頻域分析、人工神經網絡等。首先采用基于LPC的倒譜參數表示方法，提取出的特征值存入參考模式庫中，然后再用尋找Mel系數的倒譜參數，用來匹配待識別語音信號的特征值。匹配計算是進行語音識別的核心部分，由待識別的樣本語音值經過特征提取后，與系統訓練時產生的模板進行匹配，在識別辨認中，取與待識別語音相似度最大的模型所對應的語音作為識別結果。存儲電路的實現在DSP數字信號處理器內部集成了一定容量的RAM，但是由于本系統涉及到自適應濾波算法、小波算法以及各種外設的驅動程序較大，內部RAM無法滿足運行程序的要求，因此需要在DSP片外擴展程序存儲器。SDRAM為同步動態隨機存儲器，需要不斷的刷新才能保持數據，而且行列地址復用，讀寫速度較慢，但容量較大，成本較低。DSP數字信號處理器的EMIF接口經過配置之后可以連接多種類型的SDRAM。為了預留更大的存儲空間，適應復雜算法的需要，本實現為選用SDRAM作為主存儲器。程序和數據在SDRAM中運行，但是當系統掉電，SDRAM中的程序和數據就會消失，因此，這時就需要一種非易失性存儲器用來保存數據。常用的這類存儲器包括FLASH、磁盤、各種存儲卡等，本系統選用FLASH作為程序存儲器，采用了 AMD公司生產的FLASH芯片Am29F010Bo該芯片具有容量大、體積小、功耗低、成本低等優點。FLASH存儲器與上述SDRAM存儲器之間也互相連接，SDRAM存儲器在擴展程序執行時對FLASH存儲器中的數據進行讀取和與入。數據通信實現為了提高系統的應用性能，與目前的一些遠程醫療診斷系統相結合，數據通信單元中的串行通信接口以及USB接口使儀器能夠與其他設備進行通信，尤其是與PC機之間的數據交互；連接4G/3G模塊、GPRS模塊、WLAN模塊和LAN模塊的數據總線接口單元讓儀器實現與網絡環境的數據交互和Internet的數據通信，配合網絡輔助診斷 系統更能發揮其優勢。SD卡接口實現為為了能有足夠的空間存儲心音呼吸音信號，本系統采用SD卡作為心音呼吸音信號主存儲設備。DSP芯片內集成了一個SD卡控制模塊，通信方便、速度快。本系統設置用于屏蔽電磁干擾的抗磁電路單元。本系統設置電源單元，為整個系統提供電力支持，電源單元中采用聚合物鋰離子電池，容量在1500-2000mAH。本實用新型的電子聽診器以雙微處理器為核心，在上述硬件架構的基礎之上，通過嵌入式軟件研發實現具體的功能。具體實現過程如下實現基于MATLAB軟件平臺的DSP嵌入式程序設計，充分利用MATLAB科學計算軟件的強大功能，以圖形化、基于模型的組態式建模，結合軟件仿真及軟硬件相結合的仿真方式對算法的正確性進行驗證，快速高效地生成直接運行在目標開發板上的嵌入式實時C代碼獨立程序，在MATLAB環境下通過DSP開發環境實時地調試目標板上運行的程序以及改變相關參數。充分應用代碼生成的快捷高效，軟件系統的升級和針對硬件平臺的移植系統易于維護。應用MATLAB 軟件中的嵌入式 MATLAB (Embedded MATLAB)、Simulink, RTff (RTffEmbedded Coder) ^Embedded IDE Link 和 Target Suppoa Package 以及開發 DSP 應用程序的集成開發環境(如用于TI的Code Composer Studio集成開發環境)構建的DSP軟件系統綜合開發平臺，采用基于模型的嵌人式應用軟件設計理念，包括算法設計及仿真、代碼及項目生成、代碼驗證以及在線調試等在內的系統研發任務。在MATLAB平臺上設計嵌入式DSP實時應用程序的步驟，以算法模型開始，添加并配置目標選擇模塊(Target References block)，設置仿真參數，編譯模型，在處理器上運行生成的代碼。從算法設計到驗證、從概念到代碼實現的整個環節，所有的重點落在方案的驗證及算法開發上，代碼開發生成轉換后可直接嵌入到芯片。具體在本實用新型中實現的步驟(I)運動控制算法設計與仿真在Matlab/Simulink中調用對應DSP芯片所需要的芯片的各個模塊，結合Simulink中相關控制模塊搭建出系統控制模型,利用Simulink強大的仿真功能，對搭建好的系統控制模型進行實時仿真，調節相應的控制參數，直到在仿真中達到控制要求；運用Matlab軟件，對Simulink的工具箱對ARM+DSP主模塊模擬仿真輸出的結果，觀察系統控制模塊的效果以提高設計的效率；(2)自動代碼轉換利用自動代碼生成功能將仿真好的控制模型轉換成需要的代碼，同時設置好要生成代碼的類型(如匯編代碼，C代碼或者C++代碼)，生成對應的控制代碼，并自動將代碼轉到CCS開發環境中；本步驟利用自動代碼生成功能，使開發者能在不寫一行代碼的情況下獲得復雜的運動控制代碼，降低了運動控制算法開發的開發門檻，提高了運動控制算法程序的開發效率；(3)代碼移植將運動控制代碼在CCS開發環境中進行綜合，做必要的修改后移植到嵌入式實時操作系統中；采用嵌入式開發方法，給代碼的移植帶來很大的便利，此步驟在CCS開發環境下進行匯編代碼或者C代碼的編程工作，自動生成的代碼進行必要的修改，符合具體開發應 用的需要，最后將移植有運動控制算法的嵌入式實時系統代碼編譯成最終的可執行代碼；(4)驗證將CCS環境中生成的二進制代碼通過SEEDXDS-usb2. O仿真編程器，下載到通用運動控制器的處理器(DSP)中，進行實際對象的在線運動控制，并且做好數據記錄工作；本步驟使用SEEDXDS_usb2. O仿真編程器，正確的將編譯的可執行文件下載到處理器中，在硬件實體是進行調試，做好數據記錄，以便進行再次修改；(5)信息反饋將記錄的數據與期望的控制輸入進行對比，將對比結果反饋到Simulink中的控制模型中，如果實際結果和期望值有所出入，則相應的對Simulink中的系統控制模型或者系統參數進行修改；本步驟為有效智能識別算法的優化提供了試驗數據，在記錄下實際結果的基礎上進行再編程，提高了應用算法開發的效率；(6)重復以上步驟調節控制器的各個參數，完善整個智能識別的算法過程。本實用新型可以根據算法程序在硬件平臺上的運行情況以及產品硬件系統的需要，在硬件平臺的基礎上，同步的進行算法程序和產品硬件電路的設計，以提高了開發效率；采用Matlab的自動代碼裝換技術，可以很好的將在Matlab中很容易實現的各種智能識別算法轉換成可讀可寫的C代碼，而且能夠很好的移植嵌入到CCS開發環境中進行調用，這些運動控制的C代碼很復雜，往往需要專業有經驗的程序員進行編寫，這樣就大大的降低了北系統開發的門檻，而且開發的周期和成本得到縮減。本實用新型中的智能識別方法的具體實現為—、心呼吸音信號的噪聲析出。在米集心呼吸音信號的過程中，不可避免會有噪聲混雜其中，這些噪聲不僅影響采集信號的準確性，更嚴重的情況下可能完全覆蓋掉被測信號的有效成分。因而在對心呼吸音進行細致的分析識別之前，必須首先對采集到的信號進行預處理，設法濾除和減弱噪聲。具體地這些噪聲包括(I)隨機噪聲為了能接收到較弱心呼吸音信號，一般選用的傳聲器靈敏度都很高，聽診時當周圍環境有較大的噪聲干擾時，或者聽診器與人體直接接觸而產生摩擦噪音時，就會被傳聲器同時接收、放大而進入系統，使有用信號中混雜進干擾信號。(2)排除工頻干擾[0059]測量環境周圍的電氣設備存在電磁波輻射，這種電磁干擾以50Hz工頻為主要成分，電子聽診器自身電路也可能受電源中工頻干擾影響，在處理信號時摻雜工頻干擾，使信號帶有毛刺。(3)降低儀器自身噪聲由于電子儀器本身的缺陷，將產生諸如電子器件的離散噪聲、電阻的熱噪聲等。這些噪音和測量信號混雜在一起，使得儀器對測量信號的分辨能力下降。此外由于生理信號的復雜性，在心呼吸音信號的采集過程中，還會受到許多其他生理信號的干擾和影響，這個問題也不容忽視。對于這些噪聲可以通過提高電子聽診器的性能來降低影響，如采用屏蔽、濾波技術等。二、小波變換心音和呼吸音病例特征提取。小波變換中的時-頻窗具有自適應性，所以可以得到更能反映心音和呼吸音病例特征的信息。小波變換對一個窗口中兩個時間段的心音和呼吸音信號進行自動分段并提取特征參數，在這個窗口中實現了兩個分析目的，一個是Xl和X2的分段，另一個是特征提取。分段以后，用小波變換分解心音和呼吸音信號，并由第六層分解的細節(高頻)系數得到特征向量，從而使用動態設計分析得到最優的特征參數。三、心音和呼吸音病例特征音信號的包絡特征提取。包絡提取算法是采用希爾伯特變換得到的信號包絡后，多次尋找新包絡的極大值點，用三次比樣條插值曲線擬合并順次連接這些極大值點，得到多次多樣包絡線，最終確定為接近的樣式包絡。四、自動分段算法識別，經過前面的預處理和包絡提取之后，心音和呼吸音信號位置已經能比較明顯的突出來，為心音和呼吸音自動分段檢測的實現提供了可能。但由于生理信號存在隨機性和突變性，實際上的心音和呼吸音信號各成分表現出來的時長、幅值、頻率等特征之間的差異很大，因此對已經獲得的信號包絡，還必須配合一系列適當的動態檢測策略，去偽存真，才能達到準確自動分段的要求。經過不斷試驗調整，具體步驟為(I)根據希爾伯特變換和三次樣條差值曲線獲得的信號包絡，從包絡線的峰值算出兩個參數作為閾值，由于心呼吸音信號的幅值比較微弱，閾值取值要適當的穩定；(2)求出包絡線的所有極限值域，舍棄那些峰值過大的極小值點；(3)應用希爾伯特變換提取信號的包絡線，把原有實信號對應到復空間的一種映射。對于一個實信號x(t)，其解析信號的數學表達式如下Z(t) =X(t) +Y v(t)，式中的實部和虛部均為分別滿足柯西-黎曼方程的實函數。解析信號的虛部Yv (t)，可以通過對實信號x(t)進行希爾波特變換來求得對心音和呼吸音信號進行了有效的預處理，保留了心音和呼吸音的基本特征，為各種復雜心音和呼吸音的分段奠定了基礎。五、神經網絡特征值的選取。時域波形特征矢量時域波形中已經包含了信號的全部有效信息，確定性信號或者數據變化不大并且長度在一定范圍的隨機信號，全部數據作為神經網絡的輸入特征值。對心音呼吸音只做簡單處理后，將其時域數據直接作為輸入特征矢量，保持原有信號的客觀真實性，充分發揮神經網絡自身的識別功能。應用這種方法在本實用新型中CPU主處理芯片ARM+DSP可以適應規模龐大復雜神經網絡高計算的能力增強運算速度，首次實現心音呼吸音信號屬于非線性非平穩的隨機信號，直接將其作為神經網絡的輸入特征的實現。[0072]實現人工神經網絡是在結構上模仿生物神經連接的系統，來進行模式識別工作。
應用神經網絡系統需要有存儲信息的能力對系統進行訓練，系統經過訓練后對于任何給定的輸入都能給出期望的輸出。
權利要求1.一種基于智能識別功能的電子聽診器，其特征在于包括， 處理器單元，用于對信號進行處理并對其它各單元進行管理； 信號采集單元，與處理器單元連接，用于采集心音呼吸音信號并對其進行放大、濾波處理并將采集到的模擬信號轉換為數字信號； 外圍驅動單元，與處理器單元連接，用于對各操作功能環節如鍵盤、觸摸屏提供控制驅動； 存儲單元，與處理器單元連接，用于對程序及其擴展程序進行存儲，還用于存儲心音呼吸音以及標準的心音和呼吸音、疾病的各典型病例的聽音樣式； 數據總線接口單元，與處理器單元連接，用于4G\3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊的連接。
2.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于所述處理器單元為由嵌入式微處理器ARM和DSP構成的雙處理器。
3.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于所述信號采集單元包括傳感器、信號調理電路及音頻芯片；所述傳感器由傳統的聽診器聽頭、膠皮管以及微型駐極體電容傳聲器構成；所述微型駐極體電容傳聲器位于膠皮管的一端，其信號引出線連接至所述信號調理電路的輸入端；所述信號調理電路包括放大電路和濾波電路；所述音頻芯片設于所述信號調理電路和所述處理器單元之間，用于實現音頻信號的采集與回放，還用于播放存儲單元中預設的標準心音、呼吸音以及疾病各典型病例的聽音樣式。
4.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于還包括數據通信單元，該數據通信單元包括4G\3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊，用以實現與互聯網以及主從設備之間的數據通訊。
5.按照權利要求4所述的基于智能識別功能的電子聽診器，其特征在于所述數據通信單元還包括用于實現與PC機進行數據交互的USB接口單元，所述USB接口單元與所述處理器單元直接連接。
6.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于所述存儲單元包括用于存儲數據的FLASH存儲器和用于擴展程序執行的SDRAM存儲器，所述FLASH存儲器和SDRAM存儲器均直接連接至所述處理器單元，并且兩者之間也互相連接，所述SDRAM存儲器在擴展程序執行時對FLASH存儲器中的數據進行讀取和寫入。
7.按照權利要求6所述的基于智能識別功能的電子聽診器，其特征在于所述FLASH存儲器還同時連接至所述處理器單元，且兩者之間還設有用于擴展處理器對所述FLASH存儲器進行高位尋址的鎖存器FPGA。
8.按照權利要求6或7所述的基于智能識別功能的電子聽診器，其特征在于所述存儲單元還包括直接連接至所述處理器單元、作為主存儲器進行心音呼吸音數據存儲的SD卡。
9.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于還包括用于屏蔽電磁干擾的抗磁電路單元。
10.按照權利要求I所述的基于智能識別功能的電子聽診器，其特征在于還包括電源單元，所述電源單元包括聚合物鋰離子電池。
專利摘要本實用新型涉及一種基于智能識別功能的電子聽診器。包括處理器單元，用于對信號進行處理并對其它各單元進行管理；信號采集單元，與處理器單元連接，用于采集心音呼吸音信號并對其進行放大、濾波處理并將采集到的模擬信號轉換為數字信號；外圍驅動單元，與處理器單元連接，用于對各操作功能環節如鍵盤、觸摸屏提供控制驅動；存儲單元，與處理器單元連接，用于對程序及其擴展程序進行存儲，還用于存儲心音呼吸音以及標準的心音和呼吸音、疾病的各典型病例的聽音樣式；數據總線接口單元，與處理器單元連接，用于4G\3G模塊、WiFi模塊、GPRS模塊、WLAN模塊和LAN模塊的連接。本實用新型的電子聽診器準確性高、易于操縱、診斷迅速。
文檔編號A61B7/04GK202801659SQ201220205159
公開日2013年3月20日 申請日期2012年5月8日 優先權日2012年5月8日
發明者楊百成, 夏力耕 申請人:天津沃康科技有限公司