10.16157/j.issn.0258-7998.200960
基于CNN-LSTM神经网络的声纹识别系统设计
为实现对心血管疾病的预警,及早发现以心率、心肺音恶性变化为代表的危险前兆,设计基于CNN-LSTM神经网络的声纹识别系统.利用物联网技术融合心率传感芯片、单片机、电子听诊器等设备,对心率进行实时监测、辅助预警;根据梅尔道普频率系数对心肺音信号进行特征提取,构建基于CNN-LSTM算法的心肺音智能识别模型,对部分心肺音进行智能检测诊断,实验结果显示损失值为0.082,准确率达0.908.开拓了人工智能技术在心血管疾病预警方面的应用空间,前瞻性强、结构框架完整,可有效避免医疗资源浪费,前置对心血管疾病的应对措施,市场应用前景广阔,对于推动智慧医疗有重大作用.
深度卷积神经网络、长短期记忆网络、特征提取、梅尔道普频率系数、心血管疾病、声纹识别
47
TP399(计算技术、计算机技术)
2021-03-31(万方平台首次上网日期,不代表论文的发表时间)
共4页
75-78