基于改进ResNet50的心音分类算法研究
心音自动分类算法广泛使用浅层卷积神经网络和递归神经网络,针对其特征提取能力较弱、感受野大小单一的不足,提出了基于改进ResNet50的心音分类算法.使用ResNet50网络作为分类模型,并引入空间注意力机制SK conv(Selec?tive Kernel convolution)和混合空洞卷积(HDC,Hybrid Dilated Convolution)方法.使用经短时傅里叶变换提取的时频图作为输入,在PhysioNet Challenge2016数据集上进行正常与异常心音分类测试.实验结果表明,与ResNet50网络相比,该方法获得了更高的分类精度,平均准确率达到92.6%.
心音分类、ResNet50、Selective Kernel convolution、混合空洞卷积
18
TP391(计算技术、计算机技术)
2022-09-05(万方平台首次上网日期,不代表论文的发表时间)
共3页
76-78