心音信号的时频分布：基于卷积神经网络的比较研究
信号处理
2022-08-08 v1 声音
音频与语音处理
摘要
时频分布（TFD）支持早期心脏筛查中的心音表征与分类。然而，尽管 TFD 在信号分析中频繁使用，尚无研究全面比较它们在用于自动诊断的深度学习上的性能。此外，将信号处理方法作为卷积神经网络（CNN）输入的组合已被证明是提高信号分类性能的实用途径。因此，本研究旨在探讨 TFD/组合 TFD 作为 CNN 输入的最优使用。所呈现的结果表明：1) 将心音信号变换到时频域比使用原始信号获得更高的分类性能。在各类 TFD 中，所有 CNN 模型的性能差异轻微（平均准确率内在 以内）。然而，连续小波变换（CWT）与 Chirplet 变换（CT）优于其余。2) 适当提升 CNN 容量与架构优化可改善性能，但网络架构不应过度复杂。基于 ResNet 或 SEResNet 系列结果，参数数量与结构深度的增加并未明显改善性能。3) 组合 TFD 作为 CNN 输入未显著改善分类结果。本研究结果为选择 TFD 作为 CNN 输入及设计心音分类的 CNN 架构提供了知识。
引用
@article{arxiv.2208.03128,
title = {Time-Frequency Distributions of Heart Sound Signals: A Comparative Study using Convolutional Neural Networks},
author = {Xinqi Bao and Yujia Xu and Hak-Keung Lam and Mohamed Trabelsi and Ines Chihi and Lilia Sidhom and Ernest N. Kamavuako},
journal= {arXiv preprint arXiv:2208.03128},
year = {2022}
}