HeartSiam：一种用于心音分类的域不变模型
声音
2023-02-28 v2 音频与语音处理
信号处理
摘要
根据 WHO 的数据，心血管疾病是主要死因之一。心音图（PCG）是一种经济高效、非侵入性的适用于心脏监测的方法。本工作的主要目标是将心音分类为正常/异常类别。心音使用不同的听诊器记录，因此领域各异。基于近期研究，这种变异性会影响心音分类。本工作提出了一种孪生网络架构，用于学习正常与正常或异常与异常信号之间的相似性，以及正常与异常信号之间的差异。通过跨所有领域应用这种相似性与差异性学习，可以很好地实现域不变心音分类任务。我们使用了多领域 2016 Physionet/CinC 挑战赛数据集作为评估方法。结果：在挑战赛提供的评估集上，我们实现了 82.8% 的灵敏度、75.3% 的特异度以及 79.1% 的平均准确率。在克服多领域问题的同时，所提方法在特异度上超出 Physionet 挑战赛第一名方法至多 10.9%，在平均准确率上超出至多 5.6%。此外，与类似的最先进域不变方法相比，我们的模型收敛更快，并在特异度（4.1%）和平均准确率（1.5%）上表现更优，且学习的轮数相同。
引用
@article{arxiv.2210.16394,
title = {HeartSiam: A Domain Invariant Model for Heart Sound Classification},
author = {Reza Yousefi Mashhoor and Ahmad Ayatollahi},
journal= {arXiv preprint arXiv:2210.16394},
year = {2023}
}