换一批摘要针对现有杂音检测方法多局限于单一任务,未能充分利用心音信号间关联性的问题,本研究提出了一种基于渐进式分层提取(PLE)的多任务心脏杂音检测模型,可同时完成小片段心脏杂音检测与心音信号自动分割.该模型能通过共享底层特征,有效整合心音信号的时空信息,提高杂音检测和心音分割精度.在CirCor Digiscope dataset 2022 数据集上,该模型小片段杂音检测的平均召回率和平均F1 分数分别为 0.8033 和 0.6096;心音分割的平均召回率和平均F1 分数分别为 0.9160 和0.9100.该模型可为心脏杂音的检测与分析提供新的方法和思路,并为心血管疾病的早期筛查与诊断提供潜在的技术支持.
更多相关知识
关键词
心脏杂音深度学习小片段杂音检测多任务学习渐进式分层提取Heart murmursDeep learningSmall-segment murmur detectionMulti-task learningProgressive layered extrac-tion
分类号
R318（医用一般科学）
栏目名称
DOI
10.19529/j.cnki.1672-6278.2025.05.03
发布时间
2025-12-09（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 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
