基于深度注意力表示学习的心音分类
声音
2021-01-14 v1 音频与语音处理
摘要
心血管疾病是死亡的首要原因，严重威胁日常人类健康。一方面，临床实践与智能家居应用对罹患慢性心血管疾病受试者的心脏状态监测需求急剧增长。另一方面，能够进行有效听诊的经验丰富医师在数量上依然匮乏。利用先进信号处理与机器学习技术的自动心音分类已展现出令人鼓舞的结果。然而，人工手工特征昂贵且耗时。为此，我们提出一种带注意力机制的心音分类深度表示学习新方法。在该范式下，高级表示由所记录心音数据自动学习。特别地，全局注意力池化层通过估计特征图中各单元的贡献提升了所学表示的性能。深圳心音（HSS）语料库（涉及 170 名受试者）被用于验证所提方法。实验结果证实，我们的方法对三类心音（即由心脏病学家借助超声心动图标注的正常、轻度、中度/重度）分类可实现 51.2% 的非加权平均召回率。
引用
@article{arxiv.2101.04979,
title = {Deep Attention-based Representation Learning for Heart Sound Classification},
author = {Zhao Ren and Kun Qian and Fengquan Dong and Zhenyu Dai and Yoshiharu Yamamoto and Björn W. Schuller},
journal= {arXiv preprint arXiv:2101.04979},
year = {2021}
}