卷积神经网络在心音信号分类中的应用研究

近年来，我们人民的生活水平正在逐渐改善，许多人的生活习惯已经开始朝着不健康的方向发展，从而导致我们国家心血管发病率的发生率不断增加。在我国的初级卫生保健检查中，通过心脏声音听觉，如果可以检测到主动脉狭窄，则可以在心血管疾病的早期阶段将患者归类为可疑病例。在此基础上，将提前进行心血管疾病的预防和治疗。它可以提高患者的意识和治愈率。我的国家拥有广阔的领土和相对较短的医疗资源。使用一对一的模型供医生和患者发展心脏声音，这是非常消耗的医疗资源，并且听诊结果也将受到医生的经验和主观判断的影响。因此，计算机用于在心血管系统上实现辅助心脏声音听觉。早期筛查疾病是非常必要的。传统的心脏声音分类方法高度依赖于心脏声音信号的精确组件分割以及提取功能的有效性。此外开元ky888棋牌官方版，在以前的研究中，他们通常只使用具有很小数据量的心脏声音数据集，精心选择并消除了噪声。因此，即使这种类型的算法的精度率很高，它也存在不利于促进和使用和实时决策的问题。尽管卷积神经网络（CNN）已经开始在心脏声音分类领域中出现，但大多数心脏声音分类模型的输入数据依赖于心脏声音的精确组件分割操作。训练模型时，模型本身具有单个结构，并且不是心脏声音信号的特征，可以完全探索和提取，从而导致分类性能仍然需要改善。基于上述问题，本文希望使用大量的心脏声音数据基于深度学习来训练心脏声音分类模型开元ky888棋牌官网版，并探索一种可行的心脏声音分类方法，而无需精确的组件细分以改善心脏声音分类表现。另一方面，在确保出色的分类效果的前提下，深网模型的空间结构应尽可能少，以便可以为在便携式神经培养中应用心脏声音分类算法提供模型的参数设备或远程医疗中心的服务器。新想法。因此，该项目研究了卷积神经网络在心脏声音信号分类中的应用。本文的主要贡献和创新包括：（1）提出一个结合滑动窗口和MEL频率系数的心脏声音数据预处理模型。该模型不仅不需要精确的组件分割原始心脏声音开yun体育官网入口登录app，而且还可以在一定程度上减轻小训练成本的问题。该型号首先使用滑动窗口切片原始心脏声音数据以获得大量的心脏声音...（总共72页）