使用梅尔频率倒谱系数增强心音分类及单分类器与集成分类器策略的比较分析
声音
2024-07-02 v4 人工智能
音频与语音处理
摘要
本文探讨了梅尔频率倒谱系数(MFCC)在使用两种分类策略(单分类器和集成分类器方法)检测异常心音方面的有效性。首先对心音进行预处理以去除噪声，然后将其分割为S1、收缩期、S2和舒张期区间，从每个区间估计出十三个MFCC，每个心跳周期共得到52个MFCC。最后，使用MFCC进行心音分类。为此，在单分类器策略中，将连续九个心跳周期的MFCC取平均，然后由单个分类器(支持向量机(SVM)、k近邻(kNN)或决策树(DT))对心音进行分类。相反，集成分类器策略使用九个分类器(九个SVM、九个kNN分类器或九个DT)分别评估每个心跳周期为正常或异常，整体分类基于多数投票。两种方法均在公开的心音图数据库上进行了测试。在单分类器策略中，SVM的心音分类准确率为91.95%，kNN为91.9%，DT为87.33%。在集成分类器策略中，SVM的准确率为93.59%，kNN为91.84%，DT为92.22%。总体而言，结果表明集成分类器策略将DT和SVM的准确率分别提高了4.89%和1.64%，证明MFCC比类似研究中评估的其他特征(包括时间、时频和统计特征)更有效。
引用
@article{arxiv.2406.00702,
title = {Enhanced Heart Sound Classification Using Mel Frequency Cepstral Coefficients and Comparative Analysis of Single vs. Ensemble Classifier Strategies},
author = {Amir Masoud Rahmani and Amir Haider and Mohammad Adeli and Olfa Mzoughi and Entesar Gemeay and Mokhtar Mohammadi and Hamid Alinejad-Rokny and Parisa Khoshvaght and Mehdi Hosseinzadeh},
journal= {arXiv preprint arXiv:2406.00702},
year = {2024}
}