文献类型：期刊文章

作　　者：张俊飞[1] 张贵英[2]

ZHANG Jun-fei;ZHANG Gui-ying(Information and Modern Educational Technology Center,Guangzhou Medical University,Guangzhou 511436,China;School of Basic Medicine,Guangzhou Medical University,Guangzhou 511436,China)

机构地区：[1]广州医科大学信息与现代教育技术中心,广州511436 [2]广州医科大学基础医学院,广州511436

出　　处：《信息技术》

基　　金：广东省医学科学技术研究基金(A2020194)。

年　　份：2022

卷　　号：46

期　　号：5

起止页码：36-42

语　　种：中文

收录情况：ZGKJHX、普通刊

摘　　要：心音信号可以较早表征器质性心脏病,基于深度学习实现心音信号分类有助于临床心脏疾病诊断。为提高基线网络ResNet50心音分类准确率,提出同源双线性残差网络模型。该模型利用CBAM机制改进了ResNet50瓶颈结构,采用F_(1)-score评价标准改进了交叉熵损失函数,运用了标签平滑策略,针对训练数据不平衡问题设置了类间权重,设计心音段类别到心音实例类别映射算法实现了对心音实例分类。通过六组消融实验验证了应用技巧的有效性,提出的模型相比基线网络具有更好的分类效果;与先前学者研究对比分析可知,提出的模型具有一定可行性、先进性。

关 键 词：同源双线性  CBAM F_(1)-score  标签平滑  

分 类 号：TP391.9]