换一批摘要针对目前缺乏识别心音收缩期杂音和舒张期杂音的方法,本研究提出了一种基于改进残差网络的杂音检测方法,通过检测多个听诊区的收缩期和舒张期杂音,判断患者是否存在心脏杂音.首先,按照心音时相将心音数据分割成心音信号片段;然后,提取心音片段样本的对数梅尔谱特征;最后,使用嵌入通道注意力机制的残差神经网络模型进行心脏杂音检测.本研究在CirCor Digiscope dataset 2022 数据集上进行了五折交叉验证,心脏杂音检测平均准确率、平均召回率、平均精确率与平均F1 分数分别为 90.05%、63.74%、84.20%和 72.28%.实验结果表明,本研究方法在基于时相切割的心音数据的杂音检测任务中准确率较好,可为心血管疾病的自动分析提供重要依据.
更多相关知识
关键词
心血管疾病心脏杂音杂音检测对数梅尔谱注意力机制残差神经网络Cardiovascular diseaseHeart murmursMurmur detectionLog-Mel spectrogramAttention mechanismsResidual neural networks
栏目名称
DOI
10.19529/j.cnki.1672-6278.2024.05.04
发布时间
2024-12-03（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览11
- 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
