• 1. 四川大學電子信息學院(成都 610065);
  • 2. 四川大學華西醫院 心臟大血管外科(成都 610041);
  • 3. 四川大學計算機學院(軟件學院)(成都 610065);
  • 4. 四川大學華西第二醫院 兒童心血管科(成都 610041);
導出 下載 收藏 掃碼 引用

目的 提出一種基于多特征融合網絡的心音分割方法。方法 研究資料來源于2016 CinC/PhysioNet數據集(來自764例患者的3 153段記錄,男性約占91.93%,平均年齡30.36歲)。首先從時域與時頻域中分別對心音進行特征提取,再通過特征降維的方法減少輸入的冗余特征;然后經過特征選擇分別找到兩個特征空間中性能最佳的特征;利用多尺度空洞卷積、協同融合和通道注意力機制實現多特征融合;最后,將得到的融合特征送入雙向門控循環網絡(BiGRU)實現心音分割。結果 本方法在測試集上得到的心音分割精確率、召回率與F1值分別能達到96.70%、96.99%與96.84%。結論  本文提出的多特征融合網絡具有較好的心音分割性能,能夠為設計以心音為基礎的心臟疾病自動分析提供高準確率的心音分割技術支持。

引用本文: 田翩, 何培宇, 蔡杰, 趙啟軍, 李莉, 錢永軍, 潘帆. 基于多特征融合網絡的心音分割方法研究. 中國胸心血管外科臨床雜志, 2024, 31(5): 672-681. doi: 10.7507/1007-4848.202310060 復制

版權信息: ?四川大學華西醫院華西期刊社《中國胸心血管外科臨床雜志》版權所有,未經授權不得轉載、改編

  • 上一篇

    腔鏡模擬培訓和考核研究現狀分析與探討
  • 下一篇

    CYFRA21-1、CEA和Ki67在非小細胞肺癌中的表達及預后因素分析