文献类型：期刊文章

作　　者：彭利勇[1] 全海燕[1]

PENG Liyong;QUAN Haiyan(Department of Communication Engineering,Faculty of Information Engineering and Automation,Kunming University of Science and Technology,Kunming 650500,P.R.China)

机构地区：[1]昆明理工大学信息工程与自动化学院通信工程系,昆明650500

出　　处：《生物医学工程学杂志》

基　　金：国家自然科学基金项目(61861023)。

年　　份：2024

卷　　号：41

期　　号：5

起止页码：977-985

语　　种：中文

收录情况：BDHX、BDHX2023、CAS、EI、EMBASE、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：在全球的死亡案例中,心血管疾病(CVD)是主要的致死原因之一。心音分类识别在心血管疾病的早期发现中起着关键作用。正常心音和异常心音之间的区别并不明显,本文为提升心音分类模型的准确度,提出一种基于双谱分析的心音特征提取方法,并将其与卷积神经网络(CNN)结合,对心音进行分类。该算法能够有效地利用双谱分析来抑制高斯噪声,而且不需要准确分割心音信号就能提取其特征,同时结合了卷积神经网络的强大分类性能,从而实现对心音的准确分类。根据实验结果显示,在相同的数据和实验条件下,本文提出的算法在准确率、灵敏度和特异性方面分别达到了0.910、0.884和0.940。与其他心音分类算法相比,本文算法提升明显,并具有较强的鲁棒性和泛化能力,因此有望应用于先心病的辅助检测。

关 键 词：心血管疾病 双谱分析 心音分类  卷积神经网络

分 类 号：TN912.3] TP183] R540.4]