典型文献
基于CNN+LSTM的改进心音分类模型研究
文献摘要：
心脏听诊是心脏相关疾病提前诊断和筛查的重要手段,利用深度学习模型进行心音分类取得了不错的效果,但其分类度仍有待提高.该文在心音处理流程和模型结构两个方面做了优化处理,流程方面在心音分割后添加了归一化处理这一步,使得不同音频周期的心音放在了同一范围下比较,特征提取上使用了二阶谱分析方法,保留了提取特征的更多信息;在模型结构选择上,选用CNN+LSTM深度模型作为分类器,充分保留了模型空间维度和时间维度两方面的信息.经过测试,该模型表现优于前人模型,准确率达到了 95.3％,在实际样本中该模型也依旧表现稳定,测试准确率为95％,上述的优化为后续进一步提升模型分类结果提供了重要的参考.
文献关键词：
CNN;LSTM;二阶谱分析;心音分类
中图分类号：
作者姓名：
刘伟伟;桑胜波;张宏鹏
作者机构：
太原理工大学信息与计算机学院,山西晋中030600;中国人民解放军总医院第一医学中心心血管外科,北京100000
文献出处：
引用格式：
[1]刘伟伟;桑胜波;张宏鹏-.基于CNN+LSTM的改进心音分类模型研究)[J].电子设计工程,2022(02):38-42
A类：
心音分割,二阶谱分析
B类：
CNN+LSTM,心音分类,分类模型,心脏听诊,心脏相关疾病,深度学习模型,不错,处理流程,模型结构,优化处理,归一化处理,同音,音频,围下,提取特征,多信息,结构选择,深度模型,分类器,分保,模型空间,空间维度,时间维度,旧表,模型分类
AB值：
0.361272
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。
