换一批基于3D矩阵特征的多导心音分类方法
Cardiac Disease Classification Based on 3D Matrix Features Utilizing Multi-Channel Heart Sound Signals
摘要针对传统心音分类方法大多选择单通道信号的一维特征,可能会丢失不同通道、周期之间的病理关联性的问题,提出了一种基于多导心音信号提取3D矩阵特征进行心脏病分类的方法.首先对各通道的心音信号应用巴特沃斯滤波器去噪,接着定位心电R波峰值完成心音分割,并从中提取包括Welch法功率谱能量在内的15个时频域有效特征.其次将这15个时频特征按通道数×周期数×特征数的方式堆叠成一个3D矩阵特征集,并将此3D矩阵特征作为卷积神经网络(CNN)分类器的输入进行心音分类.该方法对测试数据集的126例正常心音和185例异常心音进行分类,准确率可达到98.9％;对临床采集的4种共126例先心病心音及正常心音进行细化分类,分类准确率可达93.9％.实验结果表明,3D矩阵特征能够有效地提取心音信号中的病理特征,相比于单通道特征,分类准确率提高了 2.7％,可为心脏病临床治疗提供辅助参考.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2025.04.004
发布时间
2025-10-11（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2
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
