基于深度卷积神经网络的心音分类算法

来源：计算机测量与控制杂志2021年第8期北京时间：

作者：孟丽楠,谢红薇,宁晨,付阳

单位：太原理工大学 软件学院

摘要：针对现有心音分类算法普适性差、依赖于对基本心音的精确分割、分类模型结构单一等问题,提出采用大量未经过精确分割的心音二维特征图训练深度卷积神经网络(Convolutional neural networks, CNN)的方法。首先采用滑动窗口方法和梅尔频率系数对心音信号进行预处理,得到大量未经过精确分割的心音特征图；然后利用深度CNN模型对心音特征图进行训练和测试。根据卷积层间连接方式的不同,设计了三种深度CNN模型：基于单一连接的卷积神经网络、基于跳跃连接的卷积神经网络、基于密集连接的卷积神经网络。实验结果表明基于密集连接的卷积神经网络比其他两种网络具备更大的潜力。与其他心音分类算法相比,该算法不依赖于对基本心音的精确分割且在分类准确率、敏感性和特异性方面均有提升。

关键词：心音分类;梅尔频率系数;卷积神经网络;密集连接

基金资助：国家自然科学基金(61872262),山西省基础研究计划项目(201801D121143)