10.3969/j.issn.1672-9722.2023.01.042
基于LBP和Mixup数据增强后的肺音识别
肺音蕴含着重要的生理病理信息.对肺音进行智能化识别,是推进医疗现代化的一种重要方式.论文针对肺音分类问题,采用梅尔谱图(Mel)、小波变换(WT)、短时傅里叶变换(STFT)、恒Q变换(CQT)四种方法进行特征提取,并且使用构建的卷积神经网络(CNN)和卷积神经网络与随机子空间判别结合法(CNN-RSM)对肺音进行分类.最终Mel谱图在CNN-RSM的测试集中的准确率为76.01%,特异度为89.7%,ICBHI得分为66.38%.经过与使用同一数据库的其他作者综合对比,本文肺音识别方法更具优势.
梅尔谱图、卷积神经网络、随机子空间判别、局部二值模式、Mixup
51
TN912.3;R563.1
国家自然科学基金51975541
2023-05-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
268-272