基于 MFCC 特征与双流注意力网络的心音信号心脏异常检测
声音
2022-11-18 v1 人工智能
音频与语音处理
医学物理
定量方法
摘要
心血管疾病是当今世界上主要的死亡原因之一，早期筛查心脏状况在预防中起着关键作用。心音信号是心脏状况的主要指标之一，可用于检测心脏异常。心音信号的获取是非侵入性、低成本且所需设备最少。但目前心音信号中心脏异常的判别在很大程度上依赖医生的专业与经验。因此，一种用于从心音信号自动检测心脏异常的系统中，对欠发达地区居民而言可能是极大助益。本文提出一种新颖的基于深度学习的带注意力机制的双流网络，其同时使用原始心音信号与 MFCC 特征来检测患者心脏状况的异常。该深度神经网络具有一个使用原始心音信号的卷积流和一个使用信号 MFCC 特征的循环流。来自这两条流的特征通过一种新颖的注意力网络融合，并传入分类网络。模型在最大的公开可用 PCG 信号数据集上训练，取得了 87.11 的准确率、82.41 的灵敏度、91.8 的特异度以及 87.12 的 MACC。
引用
@article{arxiv.2211.09751,
title = {Heart Abnormality Detection from Heart Sound Signals using MFCC Feature and Dual Stream Attention Based Network},
author = {Nayeeb Rashid and Swapnil Saha and Mohseu Rashid Subah and Rizwan Ahmed Robin and Syed Mortuza Hasan Fahim and Shahed Ahmed and Talha Ibn Mahmud},
journal= {arXiv preprint arXiv:2211.09751},
year = {2022}
}