使用并行循环与卷积神经网络的心杂音检测
声音
2018-08-15 v1 机器学习
音频与语音处理
机器学习
摘要
本文中，我们提出一种用于心音中心杂音分类的新技术。我们引入一种新颖的深度神经网络架构，采用基于循环神经网络（RNN）的双向长短期记忆（BiLSTM）与卷积神经网络（CNN）的并行组合，以学习 PCG 波形中心杂音的视觉与时间依赖特征。将一组声学特征输入我们提出的深度神经网络，以区分正常与杂音类别。所提方法在大型数据集上使用5折交叉验证进行评估，得到的灵敏度和特异度分别为 96 ± 0.6 %、100 ± 0 %，F1 得分为 98 ± 0.3 %。
引用
@article{arxiv.1808.04411,
title = {Murmur Detection Using Parallel Recurrent & Convolutional Neural Networks},
author = {Shahnawaz Alam and Rohan Banerjee and Soma Bandyopadhyay},
journal= {arXiv preprint arXiv:1808.04411},
year = {2018}
}
备注
4 pages, Machine Learning for Medicine and Healthcare Workshop, KDD 2018