基于机器学习与深度学习算法在心音图信号上的胎儿性别识别
信号处理
2021-10-13 v1 机器学习
摘要
心音图（PCG）信号分析是一项关键且被广泛研究的技术，用于无创分析心脏的机械活动。通过评估心音，该技术主要被用作自动诊断成人心血管疾病的初步方案；然而，诸如胎儿性别识别等产前任务使用胎儿心音图（FPCG）的研究相对较少。本工作中，我们在带有性别标签的 Shiraz 大学胎儿心音数据库上应用常见的 PCG 信号处理技术，并研究先前提出的特征在使用机器学习与深度学习模型分类胎儿性别时的适用性。尽管 PCG 数据采集的成本效益与可行性使其成为胎儿心率（FHR）监测的便捷方法，但 PCG 信号受各类噪声污染的特性使其成为一种具有挑战性的模态。为解决此问题，我们尝试了静态与自适应降噪技术，如低通滤波、去噪自编码器与源分离器。我们将多种先前提出的分类器应用于数据集，并提出了一种新颖的胎儿性别识别（FGI）集成方法。我们的方法大幅优于基线，在对未见受试者的胎儿性别分类中达到了最高 91% 的准确率。
引用
@article{arxiv.2110.06131,
title = {Fetal Gender Identification using Machine and Deep Learning Algorithms on Phonocardiogram Signals},
author = {Reza Khanmohammadi and Mitra Sadat Mirshafiee and Mohammad Mahdi Ghassemi and Tuka Alhanai},
journal= {arXiv preprint arXiv:2110.06131},
year = {2021}
}