基于梅尔频率倒谱的特征在心音图记录非线性分类器中的性能
信号处理
2024-02-21 v1
摘要
心血管疾病可以通过利用数字听诊器的专用诊断过程来识别。数字听诊器除了过滤和放大心音外，还提供心音图 (PCG) 记录以供进一步检查。本文提出了一种有助于开发 PCG 记录特征提取和分类的框架。该框架构建于先前提出的分割算法之上，该算法处理由梅尔频率倒谱和离散小波变换 (DWT) 凝聚应用产生的特征向量。分割算法的性能也在新数据集上进行了测试，并与先前报告的结果进行了比较。在识别基本心音并分割 PCG 记录后，从每个心动周期的时域信号和梅尔频率倒谱系数 (MFCC) 中提取五个主要特征。报告了三种非线性模型的分类结果：k 近邻 (k-NN)、支持向量机 (SVM) 和多层感知机 (MLP) 分类器，并与一种线性方法即马氏距离线性分类器进行了比较。结果强调，虽然神经网络和线性分类器在基本分类问题中表现出兼容的性能，但随着分类问题非线性的增加，它们的性能显著不同。
引用
@article{arxiv.2402.12540,
title = {Performance of using Mel-Frequency Cepstrum Based Features in Nonlinear Classifiers for Phonocardiography Recordings},
author = {Ibrahim Ozkan and Atila Yilmaz},
journal= {arXiv preprint arXiv:2402.12540},
year = {2024}
}
备注
in 2023 31st European Signal Processing Conference (EUSIPCO)