换一批
换一批具有空间-通道重构卷积模块的肺音分类模型
A lung sound classification model with a spatial and channel reconstruction convolutional module
摘要目的 探究肺音数据的准确识别及分类.方法 本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征,提高模型对肺音关键特征的捕捉能力.基于ICBHI2017数据集,进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类.结果 方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%.结论 所提方法在ICBHI 2017肺音数据库上取得了优异的性能,特别是在区分正常肺音和异常肺音方面.
更多相关知识
关键词
肺音分类卷积神经网络空间-通道重构卷积双可调Q因子小波变换三重Wigner-Ville变换lung sound classificationconvolutional neural networkspatial and channel reconstruction convolutiondual tunable Q-factor wavelet transformtriple Wigner-Ville transform
栏目名称
基础研究
DOI
10.12122/j.issn.1673-4254.2024.09.12
发布时间
2024-10-14
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
