10.3969/j.issn.1000-386x.2023.06.024
基于深度可分离卷积的心音自动分类
针对心音诊断系统中人工设计特征耗时耗力且存在一定程度信息丢失的问题,提出一种基于深度可分离卷积的心音自动分类方法.原始心音数据采用巴特沃斯带通滤波器和小波变换相结合去噪并输入网络;采用深度可分离卷积降低网络的参数量,并引入通道注意力机制提升网络的特征表达能力;基于Softmax计算通道的概率值实现分类.采用PhysioNet/CinC 2016 心音数据集进行实验验证,实验结果表明,该方法的准确率、灵敏度和特异性优于同类模型,且模型的参数量很小,很适合部署在资源受限的终端设备上.
深度可分离卷积、心音自动分类、特征表达
40
TP3(计算技术、计算机技术)
福建省自然科学基金面上项目;厦门理工学院研究生创新基金项目;厦门理工学院研究生创新基金项目
2023-07-10(万方平台首次上网日期,不代表论文的发表时间)
共7页
154-159,210