基于心音图的模型驱动心率估计与心脏杂音检测
原文英文，约200词，阅读约需1分钟。发表于：。This paper has been accepted at IEEE International Workshop on Machine Learning for Signal Process, MLSP 2024 Acoustic signals are crucial for health monitoring, particularly heart sounds which...
该研究使用公开的心音图数据集，通过模型驱动方法估计心率，并扩展到多任务学习框架，同时估计心率和检测心脏杂音。研究发现，使用2D卷积神经网络（2dCNN）对心率估计最有效，MAE为1.312bpm。同时，使用所有四种特征的组合可以获得最佳结果。多任务学习模型（2dCNN-MTL）在心脏杂音检测方面准确率超过95％，超过现有模型，同时心率估计的MAE为1.636bpm，满足AAMI的要求。
