探究噪声与退化对心音分类模型的影响

数据驱动的心音分类模型的开发近年来一直是活跃的研究领域。要首先开发此类数据驱动模型，需要使用信号采集设备捕获心音信号。然而，由于在多数情况下存在内部和外部噪声，几乎不可能捕获无噪声的心音信号。心音信号中的此类噪声和退化可能降低数据驱动分类模型的准确性。尽管文献中已提出不同技术来解决噪声问题，但心音信号中不同噪声和退化如何以及在何种程度上影响数据驱动分类模型的准确性仍未被探索。为回答此问题，我们制作了一个合成心音数据集，包含受大量不同噪声和退化污染的正常与异常心音。我们利用该数据集研究了心音记录中噪声和退化对不同分类模型性能的影响。结果表明，不同噪声和退化对心音分类模型性能的影响程度不同；有些对分类模型更具问题性，而其他破坏性较小。将本研究结果与我们先前对一组临床医生开展的调查结果比较显示，对分类模型更具危害性的噪声和退化也对准确听诊更具干扰性。本研究的发现可用于开发有针对性的心音质量增强方法——其根据心音信号中噪声和退化的特征调整质量增强的类型与强度。