10.16208/j.issn1000-7024.2020.01.008
基于CNN和RNN联合网络的心音自动分类
为充分利用心音的全局信息,提出不依赖于分割的心音自动分类方法.对目前的心音分类方法进行总结,分析单阶段和两阶段方法的优势与不足,提出以深度学习提取更好的全局特征作为提升分类效果的新方向.使用精调的卷积神经网络和循环神经网络分别提取心音的频域和时域特征,辅以数据增强的方法进行训练.该方法在测试集的平均分类准确率达到了85.7%,达到了目前单阶段心音分类方法中的最好效果.
心音分类、卷积神经网络、循环神经网络、数据增强、单阶段
41
TP391.4(计算技术、计算机技术)
2020-04-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
46-51