宁波市医疗中心李惠利医院（宁波大学附属李惠利医院）

本发明涉及一种基于可解释频谱图的瓣膜心音深度学习进行心脏瓣膜病分类方法、装置及存储介质。该方法将原始心音信号转换为定长单声道信号，经短时傅里叶变换、梅尔频带加权、分贝转换和像素值归一化得到对数梅尔频谱图；利用多个卷积处理单元和全连接层计算正常、主动脉瓣狭窄、二尖瓣反流、二尖瓣狭窄及二尖瓣脱垂的类别概率，并以概率最大的类别作为分类结果；根据目标类别分数和最终卷积特征图计算时频区域响应数据，根据背景参考频谱图计算输入频谱图中各像素的贡献值；使时频区域响应数据和像素贡献数据与输入频谱图采用一致的位置排列，并与分类结果共同输出。本发明实现了心脏瓣膜病的端到端分类，并提供与输入坐标对齐的可解释性数据。

本发明属于康复管理与医疗信息化技术领域，公开一种全喉术后替代发声康复的有效训练管理方法、系统及介质。方法包括：分型分期建档、处方生成、训练数据采集、有效训练双门槛判定、合规性指标计算、错误模式识别与靶向纠错、处方动态调整及证据图谱与随访触发。本发明采用剂量与质量双门槛判定有效训练，基于有效训练率ETR与有效训练占比ETP实现合规量化，通过错误模式与纠错策略一一映射实现精准指导，采用W/K/T规则自动调整处方，以证据图谱完成康复全过程可视化追溯与智能随访提示。本发明兼容食管语、气管食管发声、电子喉三类方式，覆盖全康复阶段，可显著提升康复效率、减少无效训练，适用于全喉术后居家与院内康复管理。