購物車(0)
基于卷積神經網絡的先心病心音信號分類算法
譚朝文; 王威廉; 宗容; 潘家華; 楊宏波 云南大學信息學院; 昆明650504; 云南省阜外心血管病醫院; 昆明650102
關鍵詞：先心病 分類 機器輔助聽診 梅爾系數 卷積神經網絡
摘要：心臟聽診是先天性心臟病(簡稱:先心病,CHD)初診和篩查的主要手段。本文對先心病心音信號進行分析和分類識別研究,提出了一種基于卷積神經網絡的先心病分類算法。本文算法基于臨床采集的已確診先心病心音信號,首先采用心音信號預處理算法提取并組織一維時間域上心音信號的梅爾系數轉變成二維特征樣本。其次,以1 000個特征樣本用于訓練和優化卷積神經網絡,使用自適應矩估計(Adam)優化器,獲得了準確率0.896、損失值0.25的訓練結果。最后,用卷積神經網絡對200個心音信號樣本進行測試,實驗結果表明準確率達0.895,靈敏度為0.910,特異度為0.880。同其它算法相比,本文算法在準確率和特異度上有明顯提高,證實了本文方法有效地提高了心音信號分類的魯棒性和準確性,有望應用于機器輔助聽診。
生物醫學工程學雜志要求:
{1}正文包括題目、摘要、關鍵詞、引言、方法、結果、討論、結論和參考文獻等部分內容。
{2}本刊對來稿有修改權，不愿改動者，請事先說明。
{3}關鍵詞：關鍵詞應盡量從《漢語主題詞表》中選用，并用封號相隔（3-6個為宜）。
{4}來稿請注明詳細地址、電話和E-mail，便于通知聯系。
{5}若需列出項目資助相關內容，均置于首頁底部，并于論文題目后標出星號。
注：因版權方要求，不能公開全文，如需全文，請咨詢雜志社
相關期刊
