基于CNN-LSTM心音分类方法的研究

• 作者: 于乾坤 党鑫 陈建霏
• 来源期刊: 现代信息科技
• 学科: 工学
• 关键词: 特征提取 深度学习 CNN LSTM CNN-LSTM 心音分类
• 年，卷（期）: 2019,（22）
• 所属期刊栏目: 计算机技术
• 页码范围: 79-82,85
• 页数: 5页
• 分类号: TN912.3
• 字数: 1758字
• 语种: 中文

摘要

心音为疾病的诊断提供了初步的线索,有助于医生对疾病的评估,但传统的心音诊断训练费用昂贵,难以推广应用.针对以上问题,本文提出了一种基于CNN-LSTM的心音自动诊断分类方法,并给出了该方法的体系结构.网络结构由两个局部特征学习块和一个长短期记忆层组成,局部特征学习块主要包括一个卷积层和一个池化层.CNN利用卷积层和池化层来学习局部相关性,同时提取层次相关性.LSTM层用于从学习到的局部特征中学习长期相关性.文章中设计的网络可以充分利用这两种网络的优点,克服它们各自的缺点.实验采用了著名的Peter Bentley心音数据集,以梅尔频率倒谱系数作为心音特征,实验结果表明,设计的CNN-LSTM在心音识别中具有较好的效果,准确率约提高5％.所设计的网络结构在Peter Bentley数据集上的识别率达到85.4％,远高于LSTM和CNN分别在同一数据集上获得的准确率75.6％和80.5％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	党鑫	天津工业大学计算机科学与技术学院	5	8	1.0	2.0
2	于乾坤	天津工业大学计算机科学与技术学院	1	0	0.0	0.0
3	陈建霏	天津工业大学计算机科学与技术学院	1	0	0.0	0.0