典型文献
基于一维卷积神经网络与循环神经网络串联的心音分析方法
文献摘要：
面向心脏疾病计算机辅助诊断,本文提出一种基于一维卷积神经网络和循环神经网络混合深度学习结构的心音分析方法.本结构首先利用卷积神经网络学习心脏病症在心音信号上的表征,然后通过循环神经网络处理心音信号中的时序信息进行分类,在提升心音分类正确率的同时,大幅度降低了网络参数.为验证本深度学习结构所学特征的有效性,除已有的成人心音数据集外,本文还专门构建了一个面向婴幼儿先天性心脏病的心音数据集,并通过端到端的类别响应图证明了本方法在室缺诊断时学习到的心音信号特征符合临床医师的心音听诊经验.实验结果表明,本文方法能在3153例成人心音数据分类上达到92.56％的正确率,在528例婴幼儿心音数据分类上达到97.48％正确率,模型参数仅有0.05 M.
文献关键词：
心音听诊;一维卷积神经网络;循环神经网络;类别响应图
中图分类号：
作者姓名：
肖斌;陈嘉博;毕秀丽;张俊辉;李伟生;王国胤;马旭
作者机构：
重庆邮电大学图像认知重庆市重点实验室,重庆400065;重庆医科大学附属第一医院,重庆400042;国家卫生健康委员会科学技术研究所,北京100081
文献出处：
引用格式：
[1]肖斌;陈嘉博;毕秀丽;张俊辉;李伟生;王国胤;马旭-.基于一维卷积神经网络与循环神经网络串联的心音分析方法)[J].电子学报,2022(10):2425-2432
A类：
类别响应图,心音听诊
B类：
一维卷积神经网络,循环神经网络,向心,心脏疾病,计算机辅助诊断,混合深度学习,学习结构,神经网络学习,习心,病症,心音信号,时序信息,心音分类,大幅度降低,网络参数,所学,婴幼儿,先天性心脏病,端到端,图证,信号特征,临床医师,数据分类,上达
AB值：
0.213135
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
