基于多传感器融合与深度学习的肠鸣音检测系统及方法

本发明公开了一种基于多传感器融合与深度学习的肠鸣音检测系统及方法，方法步骤如下，S1.构建多模态传感器阵列用于采集腹部声学、振动及运动信号；S2.对采集的信号进行自适应滤波、噪声抑制和数据同步预处理；S3.对滤波后的信号进行多传感器数据融合和表决；S4.构建深度学习分类模型；S5.用户交互与预警，本发明基于多模态传感器同步采集声学、振动及运动信号，通过表决算法剔除异常数据，结合卡尔曼滤波优化融合结果，可根据肠鸣音先验知识动态调整滤波器参数，保留关键频段，针对性提取不同肠鸣音类型的特征，分类准确率提高15%以上，实现高精度分类，在测试集上正常/亢进/减弱音的F1‑score达92.5%。