换一批摘要目的:针对如何建立有助于电子听诊诊断的肺音分类模型,提出一种基于卷积神经网络(CNN)-长短期记忆网络(LSTM)的混合深度学习肺音分类模型方法.方法:首先使用小波变换对数据集进行特征提取,使肺音信号转化为能量熵、峰值等特征;在此基础上构建CNN和LSTM的混合算法分类模型,其中将小波变换提取的特征先输入CNN模块,能够获得数据的空间维度特征,再通过LSTM模块获得数据的时间维度特征,融合两类特征,通过模型可以将肺音分类,从而达到辅助判断患者的肺部疾病.结果:CNN-LSTM混合模型准确率、F1分数均明显高于其他单一模型,可达到0.948和0.950.结论:提出的CNN-LSTM混合模型分类准确率更高,在智能听诊领域具有广泛的潜在应用价值.
更多相关知识
关键词
肺音分类小波变换卷积神经网络长短期记忆网络lung sound classificationwavelet transformconvolutional neural networklong short-term memory
栏目名称
DOI
10.3969/j.issn.1005-202X.2024.03.014
发布时间
2024-04-03（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9
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
