使用多分支深度卷积网络和 LSTM-CNN 对心音进行分类
原文中文,约400字,阅读约需1分钟。发表于: 。该论文提出了一种快速、经济高效的方法,利用低成本系统在临床中对心脏异常进行准确可靠的诊断。通过引入人类听觉处理的启示,设计了唯一的多分支深度卷积神经网络(MBDCN)架构以优化特征提取,并结合长短期记忆卷积神经网络(LSCN)模型改进时间域特征提取,在心音信号处理任务中取得了优越的结果。该方法对于心音的整体分类准确率在 96% 以上,相较于 Mel...
该论文提出了一种快速、经济高效的方法,利用低成本系统在临床中对心脏异常进行准确可靠的诊断。通过引入人类听觉处理的启示,设计了唯一的多分支深度卷积神经网络(MBDCN)架构以优化特征提取,并结合长短期记忆卷积神经网络(LSCN)模型改进时间域特征提取,在心音信号处理任务中取得了优越的结果。该方法对于心音的整体分类准确率在96%以上,具有显著的效率提升。该方法在心音的自动分析上显示出有希望的结果,并具有心血管疾病的诊断和早期检测的潜在应用。