基于CNN+LSTM的改进心音分类模型研究

摘要：

心脏听诊是心脏相关疾病提前诊断和筛查的重要手段,利用深度学习模型进行心音分类取得了不错的效果,但其分类度仍有待提高.该文在心音处理流程和模型结构两个方面做了优化处理,流程方面在心音分割后添加了归一化处理这一步,使得不同音频周期的心音放在了同一范围下比较,特征提取上使用了二阶谱分析方法,保留了提取特征的更多信息;在模型结构选择上,选用CNN+LSTM深度模型作为分类器,充分保留了模型空间维度和时间维度两方面的信息.经过测试,该模型表现优于前人模型,准确率达到了 95.3％,在实际样本中该模型也依旧表现稳定,测试准确率为95％,上述的优化为后续进一步提升模型分类结果提供了重要的参考.

关键词：CNN、LSTM、二阶谱分析、心音分类

所属期刊栏目：30

分类号：TP399(计算技术、计算机技术)

在线出版日期：2022-04-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-42