基于瞬时频率特征的深度循环神经网络心音分割
音频与语音处理
2022-02-17 v1 机器学习
声音
信号处理
摘要
本工作中,提出一种由成熟技术构成的新颖组合,以确定一种心音图 (PCG) 中自动分割心音的方法。我们将展示一个能够把 PCG 分割为其主要成分的深度循环神经网络 (DRNN),以及一种在所提模型训练与测试中起着重要作用的非常特定的瞬时频率提取方式。更具体地,其涉及一个长短期记忆 (LSTM) 神经网络,并辅以傅里叶同步压缩变换 (FSST),用于从 PCG 中提取瞬时时频特征。本方法在来自公开数据库的时长大于 5 秒且小于 35 秒的心音信号上进行了测试。该方法证明,以相对小的架构、小数据集和恰当特征,即可取得近乎最先进的性能,平均灵敏度为 89.5%,平均阳性预测值为 89.3%,平均准确率为 91.3%。
引用
@article{arxiv.2201.11320,
title = {Deep Recurrent Learning for Heart Sounds Segmentation based on Instantaneous Frequency Features},
author = {Alvaro Joaquín Gaona and Pedro David Arini},
journal= {arXiv preprint arXiv:2201.11320},
year = {2022}
}
备注
7 figures, 6 pages, journal