本发明属于医疗用软件开发技术领域，尤其是涉及一种智能听诊辅助诊断系统及诊断方法。
背景技术：
听诊是用耳或听诊器来探听人体内自行发出的声音。多用于听心音、呼吸音等。常用的听诊器具有集音作用，同时还具有滤波作用。通过听诊，医护人员可根据声音的特性与变化（如声音的频率高低、强弱、间隔时间、杂音等）来诊断相关脏器有无病变。
现阶段，大多通过听诊器进行听诊检查，临床上使用的听诊器，传导部分两端分别连接拾音部分和听音部分，需要使用者和患者近距离接触，通过使用者手持拾音部分，佩戴听音部分，完成听诊过程。其中听音部分，大多需要将耳件插入中耳很深处，才可以减少周围声音的干扰，使声音传导更清楚。但这样会造成使用者耳部疼痛，分散使用者听诊注意力，且听诊过程受环境干扰较大。
临床上使用的听诊器大多只是听诊患者当次的身体状况，无法对听诊结果进行记录，数据无法保存，导致患者的听诊结果或者波形无法再现，不利于专家、医生对患者病情做进一步判断，对于医生的依赖性较高。且无法对比患者以往听诊音的变化，进行智能分析及诊断，必须请教专业的医护人员，获取检查结构分析，方可对治疗提供参考价值。
技术实现要素：
本发明要解决的问题是提供一种听诊辅助诊断系统及诊断方法；尤其应用在医疗领域，通过患者听诊的检查信息，智能去除干扰及噪音并将各种声音智能识别后，智能分析出患者的身体状况并存储，给出诊断及治疗建议，同时具有专业医护人员复核，精确度高，智能化程度强的一种智能听诊辅助诊断系统及诊断方法。
为解决上述技术问题，本发明采用的技术方案是：一种智能听诊辅助诊断系统，包括拾音采集端，用以采集患者的身体声音信息，所述拾音采集端将采集的所述声音信息发送给存储分析端，所述存储分析端用以存储多名患者的多次听诊音信息，并对所述听诊音信息进行智能分析，所述存储分析端连接听音端，所述听音端包括用户端和医护端，当所述用户端请求获取分析结果时，所述存储分析端分析后，将分析结果发送给用户端；当所述用户端请求获取复核结果时，所述存储分析端将所述信息发送给所述医护端，所述医护端诊断后，将复核结果发送给用户端。
进一步的，所述拾音采集端为听诊音采集电子设备，包括但不限于无线听诊器、有线听诊器、空气传导听诊器和骨传导听诊器，所述拾音采集端包括壳体，所述壳体一端面与患者身体接触，所述壳体内部设有声音传感器和拾音微处理器，所述声音传感器与所述拾音微处理器电连接。
进一步的，所述存储分析端为云端存储，所述存储分析端包括分析模型，所述分析模型包括声音分析模型和数据分析模型，所述声音分析模型将听诊到的各种声音进行智能识别与分离，所述数据分析模型包括时域处理模型与频域处理模型。
进一步的，所述用户端和所述医护端包括但不限于手机、电脑、耳机、扬声器、音响。
进一步的，当所述用户端的用户群体为患者时，所述拾音采集端与所述用户端均置于患者处，所述用户端和所述医护端均为智能显示设备，所述用户端与所述医护端无线连接，实现患者远程听诊。
进一步的，本发明还提供一种智能听诊辅助诊断方法，利用上述的听诊辅助诊断系统，包括以下步骤，
s1：拾音采集端采集患者的身体声音信息；
s2：所述拾音采集端将采集到的所述声音信息发送给存储分析端存储、分析；
s3：用户端请求获取分析结果；
s4：存储分析端处理后将分析结果发送给所述用户端；
s5：用户端请求获取复核结果；
s6：医护端处理后将复核结果发送给所述用户端。
进一步的，所述s3包括以下步骤，
s31：所述用户端依据个人信息登录；
s32：所述用户端针对某次检查结果，请求获取分析结果。
进一步的，所述s4包括以下步骤，
s41：所述存储分析端获取所述用户端请求分析的声音信息；
s42：所述存储分析端通过声音分析模型将听诊音与周围干扰或噪音分开，同时将呼吸音与心音分离；
s43：将提取的所述声音信号以波形图片形式输入数据分析模型中，提取得到声音信号所述分析结果；
s44：将所述分析结果反馈至所述用户端。
进一步的，所述s5包括以下步骤，
s51：所述用户端依据个人信息登录；
s52：所述用户端获取某次分析结果；
s53：所述用户端针对某次分析结果，请求获取复核结果。
进一步的，所述s6包括以下步骤，
s61：所述医护端依据个人信息登录；
s62：所述医护端获取所述用户端请求复核的分析结果；
s63：所述医护端诊断后，将所述复核结果反馈至所述用户端。
本发明具有的优点和积极效果是：
1、本发明通过将机器学习、人工智能引入到对患者相应数据库的处理之中，构建了相应的分析模型和算法，通过不同维度对数据库中患者的各项指标和状况进行综合处理，快速生成听诊音分析结果并分析储存，并在模型的基础时建立后续的机器学习、训练方法和训练机制，以不断优化模型预测的准确度，实现现有数据的实时分析，同时，对以往数据的动态分析和对将要发生事件的预测功能，自动化程度高，实用性强。
2、本发明通过拾音采集端的声音传感器，将采集的患者体内声音信号发送给拾音微处理器，拾音微处理器将声音信号转变为数字信号，发送给存储分析端，存储分析端的声音分析模型，可对听诊音进行分析处理。可将听诊到的各种声音进行智能识别与分离或整合，还可以波形及各种参数分析。提取后的高精度信息发送给数据分析模型，数据分析模型分析后，产生分析结果，分析结果包含对听诊音进行人工智能分析、诊断及治疗建议。
3、本发明的用户端用户群体可以为教师及学生，用户端可将听诊音放出，方便教师听诊教学，方便学生听诊学习。用户端用户群体可以为患者，用户端及拾音采集端均置于患者处，患者用户端可与医护端医生建立无线连接，实现远程听诊检查，应用范围广，实用性强。
4、本发明通过医护端对存储分析端的分析结果进行复核，提高了分析精度，精确了解患者身体状况，提高了听诊精度，安全系数高。
附图说明
图1是本发明实施例的整体结构示意图。
图2是本发明实施例的整体流程图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图对本发明实施例做进一步描述：
如图1所示，一种智能听诊辅助诊断系统，包括拾音采集端，用以采集患者的身体声音信息。拾音采集端将采集的声音信息发送给存储分析端，存储分析端用以存储多名患者的多次听诊音信息，并对听诊音信息进行智能分析。存储分析端连接听音端，听音端包括用户端和医护端，当用户端请求获取分析结果时，存储分析端分析后，将分析结果发送给用户端；当用户端请求获取复核结果时，存储分析端将信息发送给医护端，医护端诊断后，将复核结果发送给用户端。
拾音采集端为获取患者身体声音，形成数字信号的任一设备。拾音采集端包括但不限于无线听诊器、有线听诊器、空气传导听诊器和骨传导听诊器。拾音采集端包括壳体，壳体一端面与患者身体接触，壳体内部设有声音传感器和拾音微处理器，声音传感器与拾音微处理器电连接。
壳体可以为圆锥台状，壳体小圆面设有指套，使用者手指套入指套内移动壳体。也可以在壳体与患者接触一端面设有粘贴层，用以与患者皮肤接触固定。
声音传感器的作用相当于一个话筒，它用来接收声波，显示声音的振动图像。本实施例的声音传感器为薄膜式，声音传感器内置驻极体话筒，壳体端面设有透孔，驻极体话筒通过透孔露出，驻极体话筒与患者接触，患者体内声波使话筒内的驻极体薄膜振动，导致电容的变化，而产生与之对应变化的微小电压。这一电压随后被转化成0-5v的电压，经过a/d转换被数据采集器接受，并传送给拾音微处理器。本实施例的声音传感器的工作频率为20～16000hz，灵敏度为-40db～-40db。
拾音微处理器上设有信号处理电路，信号处理电路将声音传感器传递的声音信号转变为数字信号，拾音微处理器将数字信号传递给存储分析端。具体的，信号处理电路设置为带通滤波电路，可将不同部位的听诊音源信号利用不同频率进行分离，有效降低听诊中其他部位的干扰，可有效的实现降噪，提高听诊精度。
在使用过程中，拾音采集端能够采集心音，肺音等，通过手机app选择需要听诊的频率；可以有效地分离不同身体部位发出的声音从而提高信息采集精度，不同的频率对应不同的听诊声音，例如：心音采集频率为30～500hz，肺音采集频率为100～1000hz，同时，拾音微处理器针对不同的采集频率选择不同的带通滤波器，将不同部位的听诊利用不同频率进行隔离，有效降低听诊中其他部位的干扰，从而有效的实现降噪的目的。
优选的，拾音采集端具有定位功能，用以记录拾音采集端的具体放置部位，方便拾音采集端将位置信息与听诊音信息同步上传到存储分析端。方便医生同时掌握拾音采集端的位置和听诊音，两者结合同时判断。
拾音采集端的定位功能，可通过在壳体上设置摄像头或gps等定位装置实现，也可以在拾音采集端增设显示屏，用以记录或标记壳体的具体部位。或者在拾音采集端的壳体上设置多个位置选择按钮，每个位置选择按钮对应到电脑等显示装置上的相应部位。
当拾音采集端为多个拾音件时，可通过医护端对每个拾音件进行命名，标识听诊部位。
当患者端与医护端实时远程听诊时，可通过视频聊天，实时掌握壳体的具体位置和此刻的听诊信息对应。
优选的，拾音采集端设有患者身份验证装置，用以在患者采集信息前，对患者身份进行验证，便于患者自行检查后，检查结果直接记录到患者的信息库内。
存储分析端的执行主体为服务器，服务器可以为远程的后台服务器，也可以为云平台的服务器，即云端存储。而云端存储平台，采用应用虚拟化技术，集软件搜索、下载、使用、管理、备份等多种功能为一体，为用户搭建软件资源、软件应用和软件服务平台，改善目前软件获取和使用的方式，带给用户简单流畅、方便快捷的全新体验。后台服务器具体可采用独立的服务器或者是多个服务器组成的服务器集群来实现。
存储分析端内设资料库，资料库内存储各种正常听诊音数据及异常听诊音数据，存储分析端利用资料库中的数据进行深度学习，对拾音采集端发送的听诊音进行智能诊断。
存储分析端的输入端接收并存储数据采集端传递的各患者的听诊信号，存储分析端的输出端分别连接用户端和医护端。用户端、医护端和服务器之间通过通信网络传输听诊音，通信网络可以但不限于为3g、4g、5g、wifi。
存储分析端包括分析模型，分析模型包括声音分析模型和数据分析模型，声音分析模型将听诊到的各种声音进行智能识别与分离，数据分析模型包括时域处理模型与频域处理模型。
声音分析模型可对听诊音进行分析处理。可将听诊到的各种声音进行智能识别与分离，比如说将听诊音与周围干扰或噪音分开，可将同时听到的呼吸音与心音分离等。也可整合。还可以波形及各种参数分析。最后医生在复核时如果觉得智能识别与分离有误，可重新智能识别与分离，或将分离的听诊音整合。
具体的，声音分析模型从存储分析端的数据库中读取声音数据。对该数据采用小波变换原理进行去噪，本实施例采用五层小波分解，小波基选用db小波基函数，最大最小原理选定阈值，并画出去噪后的波形图。
数据分析模型可对听诊进行人工智能分析、诊断及治疗建议。比如说，能分析出患者肺听诊的湿罗音数量、强度、范围，诊断考虑肺部感染或心衰等疾病。建议用什么药或者怎么治疗。建议少吸烟，卧床等。
具体的，时域上，对去噪后的声音信号进行希尔伯特-黄变换，提取声音包络；其中，根据经验模态分解把信号分解成为各固有模态函数之和与残差项相加的形式，由此选择各模态重购后的信号为解析信号，求得希尔伯特-黄变换得到信号的包络。得到时域包络后，对声音信号进行分段处理，得到第一声音s1、第二声音s2的高低能量参数；采用阈值法选取声音的端点，进而根据s1和s2的医学理论对应关系，判断其具体时限。频域上，对去噪后的心音信号采用welch谱分析，得到s1、s2的高低能量参数。结合时域和频域的特征参数，得到辅助诊断结果。
从数据库中读取的声音数据信号往往包含测试环境、电磁干扰及患者的身体微弱移动等带来的噪音，对信号进行去噪是相当必要的。经过大量的实验总结出小波变换原理去噪对心音处理的效果较好，受心音的复杂性影响小，且算法易实现，实时性好。对心音的分析处理采用时域与频域两个方面，在时域处理中，目的是找到时域内的声音特征参数。以心音分析为例，心音时域分析的特征参数为：
1、心动周期：收缩期和舒张期持续时间之和；
2、s1时限：第一心音持续时间；
3、s2时限：第二心音持续时间；
4、第一心音持续时间和第二心音持续时间的比值。
采用welch谱分析得到的频域分析的特征参数为：
1、低频能量；
2、中频能量；
3、高频能量；
4、最大能量密度。
希尔伯特-黄变换中的经验模态分解过程，目的是寻找固有模态函数。该方法认为任何一个信号都可以由一系列简单的非正弦函数构成，这些非正弦函数就是要寻找的固有模态函数。固有模态函数必须满足2个条件：
1、对整个时间序列来说，极值点的个数和过零点的个数相等或相差1；
2、在任何一点处，最大值包络线和最小值包络线的均值为零。
假设原信号为s(t)，对s(t)进行希尔伯特-黄变换的具体步骤如下：
1、确定s(t)的极值点，首先设定当n＝1时，rn-1(t)＝s(t)，为外层第一次循环开始；
2、设定当k＝1时，hk-1(t)＝rn-1(t)，为内层第一次循环开始；用3次样条插值分别连接极大值点和极小值点，运行循环k＝1得到的是原信号s(t)的上包络线x1max(t)和下包络线x1min(t)；
3、求出上包络线和下包络线的均值线mk(t)：
mk(t)＝[xkmax(t) xkmin(t)]/2，用前一次的hk-1(t)信号减去均值线mk(t)得hk(t)，即：hk(t)为满足上述固有模态函数的两个条件从原信号中分离出来的信号；
4、如果hk(t)不满足固有模态函数的两个条件，则hk(t)将作为原信号重复2、3步骤，直到找出符合条件的hk(t)，跳出内层循环；
5、令cn(t)＝hk(t)，则当k＝1，c1(t)即为所求的固有模态函数，称为第一阶固有模态函数；残差r1(t)＝ro(t)-c1(t)，即rn(t)＝rn-1(t)-cn(t)；
6、将rn-1(t)看作新的原信号重复以上步骤，直至残差rn(t)中的信息对所研究的内容意义很小或rn(t)是单调函数时，则停止分解过程。按此过程依次分解：
s(t)＝r1(t) c1(t)
r1(t)＝r2(t) c2(t)
rn-1(t)＝rn(t) cn(t)
可以看出，经验模态分解过程是对残差进行不断分离，得到固有模态函数的过程。并且随着固有模态函数阶数的增高，ck(t)的频率逐渐降低，对保存的固有模态函数求和即可得到所需的重构信号。对得到的重构信号进行希尔伯特-黄变换就可以得到心音信号的包络。获得包络后对心音进行分段，采用阈值法选取心音的端点，进而根据s1和s2的医学理论对应关系，判断其具体时限。在频域上，采用matlab中的welch谱分析，得到其信号的s1、s2各自能量、信号的高低能量比等参数。这些参数将作为我们提供给医生的辅助诊断参数，输出到医护端显示。
用户端为显示设备，显示设备连接请求装置。用户端通过请求装置向存储分析端发出应用请求，存储分析端接收到用户端的请求，分析处理后，将用户端所需的请求信息发送给用户端，通过显示设备显示。用户端包括但不限于手机、电脑、耳机、扬声器、音响。
用户端上安装有app应用程序或web应用程序，用户端通过应用程序实现与云端服务器之间的信息交互。用户端的应用程序实时检测用户端与云端服务器之间通信连接是否正常。
用户端可以通过使用自身的生物识别方式登录，例如，指纹识别方式登录、面部识别方式登录等。也可以使用账户名和密码请求登录、使用手机号和密码请求登录等方式登录。
存储分析端的云端服务器接收到用户端的登录请求后，与云端服务器中存储的用户信息进行匹配，若匹配成功，则登录请求验证通过；若匹配不成功，则登录请求验证未通过，云端服务器验证结果均反馈至用户端。
若登录请求验证未通过，用户端提示用户是否注册，若用户选择注册，显示注册页面，用户在注册页面内填写信息，注册完成后，用户端向云端服务器发送注册信息，云端服务器更新存储的用户信息。
只有登录请求验证通过后，云端服务器方可接收用户端的各项请求需求。
用户端的请求需求包括但不限于获取听诊音、获取分析结果、获取复核结果、获取趋势预测等。
获取听诊音，即针对某次听诊检测，向存储分析端发出请求，获取相应的听诊音信息；
获取分析结果，即针对某段听诊音，向存储分析端发出请求，快速获取存储分析端的智能分析结果；
获取复核结果，即针对存储分析端产生的分析结果，向医护端发出请求，获取专业医护人员的复核结果；
获取趋势预测，即针对存储分析端存储的现有数据进行实时和动态分析，预测患者病情的后续发展趋势，当后续结果存在高危风险时，驱动报警系统发出警报。
医护端为显示设备，显示设备连接控制装置和报警装置。医护端接收存储分析端发送到医护端的分析结果，通过显示设备显示，通过报警装置提醒医护端查收，医护端通过控制装置向存储分析端发出反馈信息。医护端包括但不限于手机、电脑、耳机、扬声器、音响。
医护端上安装有app应用程序或web应用程序，医护端通过应用程序实现与云端服务器之间的信息交互。医护端的应用程序实时检测医护端与云端服务器之间通信连接是否正常。
医护端可以仅限本人登录，通过使用自身的生物识别方式登录，例如，指纹识别方式登录、面部识别方式登录等。也可以使用账户名和密码请求登录、使用手机号和密码请求登录等。
存储分析端的云端服务器接收到医护端的登录请求后，与云端服务器中存储的医护信息进行匹配，若匹配成功，则登录请求验证通过；若匹配不成功，则登录请求验证未通过，云端服务器验证结果均反馈至医护端。
若登录请求验证未通过，医护端提示医护是否注册，若医护选择注册，显示注册页面，医护在注册页面内填写信息，注册完成后，医护端向云端服务器发送注册信息，云端服务器更新存储的用户信息。
只有登录请求验证通过后，云端服务器方可向医护端发送听诊音，医护端方可将复核结果发送至云端服务器，云端服务器将复核结果发送给用户端。
优选的，当用户端的用户群体为患者时，拾音采集端与用户端均置于患者处，用户端和医护端均为智能显示设备，用户端与医护端无线连接，实现患者远程听诊。
医生的医护端具有语音麦克和摄像头，并具有网络通信子模块、实时显示子模块和帮助系统子模块。医护端能够完成从网络中接收音频数据，且能够播放、实现数据波形，获得辅助诊断参数。
患者处的用户端具有语音麦克和摄像头，并具有实时显示子模块、网络通信子模块和帮助系统子模块，该用户端能够将音频数据传送到网络。
拾音采集端用于采集患者的心音数据，拾音采集端与硬件切换装置的听诊接口相连接；硬件切换装置用于语音和心音的切换；网络用于连接用户端和医护端，并能够传送音频数据。
网络通信子模块，通过cocreateinstance来获得rtc接口，确定通信能力；选择通信类型和通信设备；创建通信会话，当在rtc中发起一个呼叫之前，必须创建并且初始化一个会话，然后可以输入参与者的ip地址来发起一个呼叫；可能通过一个e-mail地址或者一个电话号码来激活一个会话，创建通信会话。
在此部分，可以实现即时文字聊天、语音视频聊天和文件传输的功能。在此之前，需要一个患者排队等候医生回应，从而建立双方连接的过程。软件用多线程的方式实现，各功能之间互不干扰。网络通信基于tcp方式，语音视频聊天是基于微软rtcapi的通信方式，可根据通信双方的能力和带宽选择适当的编解码器。
实时显示子模块，检查音频设备能力，设置相应的音频参数；使用waveinopen或waveoutopen函数打开录音或播放设备；录音时，将数据存放到内存中；播放声音时，为播放设备准备数据结构，从内存获取数据，释放相应数据结构。
在此模块中要实现如下功能，即声音采集、播放及实时显示。系统采用mci技术实现心音采集和回放，当数据结构准备好之后使用waveinstart函数进行录音或waveoutwrite函数播放录好的声音数据。声音数据存放在一个内存数据块中，如果输入内存缓冲区满，系统会发出mm_wim_data消息，在该消息的处理函数中可以对声音数据进行处理，实现播放、存储和实时绘制心音波形的功能，处理完毕后清空数据缓冲区再加入输入队列直至结束对录音以及播放缓冲区内容使用后，释放使有的内存单元；所有任务完成后，关闭相应的设备。
帮助系统子模块，该模块包括听诊部位的展示，采用flash播放的模式，方便医生观察指导患者移动拾音采集端的放置位置。
硬件切换装置的软件切换时，首先进行并口初始化，并安装驱动程序，判断初始化是否成功，若成功，则由患者选择当前需要切换的工作模式：电子听诊器接入或语音麦克接入。电子听诊器接入时，双方传递听诊音。语音麦克接入时，双方语音交流。
优选的，如图2所示，本发明还提供一种智能听诊辅助诊断方法，利用上述的听诊辅助诊断系统，包括以下步骤，
s1：拾音采集端采集患者的身体声音信息。
s11：声音传感器将采集的患者体内声音信号发送给拾音微处理器。
s12：拾音微处理器通过信号处理电路将声音信号转变为数字信号。
s2：拾音采集端将采集到的声音信息发送给存储分析端存储、分析。
存储分析端可以以一个医院作为一个整体，建立一个数据库；也可以一定区域内的多家医院资源共享，建立一个数据库；或者以社会整个医疗资源作为一个整体，建立数据量更大、更全面的数据库。
s3：用户端请求获取分析结果。
s31：用户端依据个人信息登录；
s32：用户端针对某次检查结果，请求获取分析结果。
s4：存储分析端处理后将分析结果发送给用户端。
s41：存储分析端获取用户端请求分析的声音信息；
s42：存储分析端通过声音分析模型将听诊音与周围干扰或噪音分开，同时将呼吸音与心音分离；
s43：将提取的声音信号以波形图片形式输入数据分析模型中，提取得到声音信号分析结果；
s44：将分析结果反馈至用户端。
s5：用户端请求获取复核结果。
s51：用户端依据个人信息登录；
s52：用户端获取某次分析结果；
s53：用户端针对某次分析结果，请求获取复核结果。
s6：医护端处理后将复核结果发送给用户端。
s61：医护端依据个人信息登录；
s62：医护端获取用户端请求复核的分析结果；
s63：医护端诊断后，将复核结果反馈至用户端。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
本发明具有的优点和积极效果是：
1、本发明通过将机器学习、人工智能引入到对患者相应数据库的处理之中，构建了相应的分析模型和算法，通过不同维度对数据库中患者的各项指标和状况进行综合处理，快速生成听诊音分析结果并分析储存，并在模型的基础时建立后续的机器学习、训练方法和训练机制，以不断优化模型预测的准确度，实现现有数据的实时分析，同时，对以往数据的动态分析和对将要发生事件的预测功能，自动化程度高，实用性强。
2、本发明通过拾音采集端的声音传感器，将采集的患者体内声音信号发送给拾音微处理器，拾音微处理器将声音信号转变为数字信号，发送给存储分析端，存储分析端的声音分析模型，可对听诊音进行分析处理。可将听诊到的各种声音进行智能识别与分离或整合，还可以波形及各种参数分析。提取后的高精度信息发送给数据分析模型，数据分析模型分析后，产生分析结果，分析结果包含对听诊音进行人工智能分析、诊断及治疗建议。
3、本发明的用户端用户群体可以为教师及学生，用户端可将听诊音放出，方便教师听诊教学，方便学生听诊学习。用户端用户群体可以为患者，用户端及拾音采集端均置于患者处，患者用户端可与医护端医生建立无线连接，实现远程听诊检查，应用范围广，实用性强。
4、本发明通过医护端对存储分析端的分析结果进行复核，提高了分析精度，精确了解患者身体状况，提高了听诊精度，安全系数高。
以上对本发明的一个实施例进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。
1.一种智能听诊辅助诊断系统，其特征在于：包括拾音采集端，用以采集患者的身体声音信息，所述拾音采集端将采集的所述声音信息发送给存储分析端，所述存储分析端用以存储多名患者的多次听诊音信息，并对所述听诊音信息进行智能分析，所述存储分析端连接听音端，所述听音端包括用户端和医护端，当所述用户端请求获取分析结果时，所述存储分析端分析后，将分析结果发送给用户端；当所述用户端请求获取复核结果时，所述存储分析端将所述信息发送给所述医护端，所述医护端诊断后，将复核结果发送给用户端。
2.根据权利要求1所述的一种智能听诊辅助诊断系统，其特征在于：所述拾音采集端为听诊音采集电子设备，包括但不限于无线听诊器、有线听诊器、空气传导听诊器和骨传导听诊器，所述拾音采集端包括壳体，所述壳体一端面与患者身体接触，所述壳体内部设有声音传感器和拾音微处理器，所述声音传感器与所述拾音微处理器电连接。
3.根据权利要求1或2所述的一种智能听诊辅助诊断系统，其特征在于：所述存储分析端为云端存储，所述存储分析端包括分析模型，所述分析模型包括声音分析模型和数据分析模型，所述声音分析模型将听诊到的各种声音进行智能识别与分离，所述数据分析模型包括时域处理模型与频域处理模型。
4.根据权利要求1或2所述的一种智能听诊辅助诊断系统，其特征在于：所述用户端和所述医护端包括但不限于手机、电脑、耳机、扬声器、音响。
5.根据权利要求1或2所述的一种智能听诊辅助诊断系统，其特征在于：当所述用户端的用户群体为患者时，所述拾音采集端与所述用户端均置于患者处，所述用户端和所述医护端均为智能显示设备，所述用户端与所述医护端无线连接，实现患者远程听诊。
6.一种智能听诊辅助诊断方法，利用上述权利要求1至5任一所述的听诊辅助诊断系统，其特征在于：包括以下步骤，
s1：拾音采集端采集患者的身体声音信息；
s2：所述拾音采集端将采集到的所述声音信息发送给存储分析端存储、分析；
s3：用户端请求获取分析结果；
s4：存储分析端处理后将分析结果发送给所述用户端；
s5：用户端请求获取复核结果；
s6：医护端处理后将复核结果发送给所述用户端。
7.根据权利要求6所述的一种智能听诊辅助诊断方法，其特征在于：所述s3包括以下步骤，
s31：所述用户端依据个人信息登录；
s32：所述用户端针对某次检查结果，请求获取分析结果。
8.根据权利要求6或7所述的一种智能听诊辅助诊断方法，其特征在于：所述s4包括以下步骤，
s41：所述存储分析端获取所述用户端请求分析的声音信息；
s42：所述存储分析端通过声音分析模型将听诊音与周围干扰或噪音分开，同时将呼吸音与心音分离；
s43：将提取的所述声音信号以波形图片形式输入数据分析模型中，提取得到声音信号所述分析结果；
s44：将所述分析结果反馈至所述用户端。
9.根据权利要求6或7所述的一种智能听诊辅助诊断方法，其特征在于：所述s5包括以下步骤，
s51：所述用户端依据个人信息登录；
s52：所述用户端获取某次分析结果；
s53：所述用户端针对某次分析结果，请求获取复核结果。
10.根据权利要求6或7所述的一种智能听诊辅助诊断方法，其特征在于：所述s6包括以下步骤，
s61：所述医护端依据个人信息登录；
s62：所述医护端获取所述用户端请求复核的分析结果；
s63：所述医护端诊断后，将所述复核结果反馈至所述用户端。
技术总结