10.3969/j.issn.1006-9348.2022.04.057
基于高阶统计量的心音特征提取与分类研究
心脏听诊是先心病初诊的主要手段,由此可见心音含有重要的诊断信息.研究利用高阶统计量的ARMA模型直接提取先心病心音信号的特征,利用K近邻,决策树,贝叶斯分类器对其进行分类识别,并与用梅尔对数系数提取特征的方法进行了对比.实验测试结果为灵敏度0.88,特异度0.83,准确度0.855,优于其它算法.上述算法还省去了一般预处理中,对心音的降噪和分段定位过程,提高了分析效率.实验结果表明:高阶统计量的ARMA模型和决策树适用于对先心病心音的特征提取和分类,有助于实现先心病的机器辅助诊断.
高阶统计量、先心病、梅尔对数系数、机器辅助诊断
39
TN274(光电子技术、激光技术)
国家自然科学基金;国家自然科学基金;云南省重大科技专项
2022-05-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
290-295