一种基于注意力机制的鲁棒心音分类方法技术

本发明专利技术属于深度学习的心音分类领域，具体涉及一种基于注意力机制的鲁棒心音分类方法；包括通过窗函数分割心音数据得到若干等长的心音信号；对心音信号进行预处理，按比例将预处理结果划分为训练集和测试集；采用训练集训练心音分类模型，所述心音分类模型包括第一卷积层、多个stage模块和线性输出层；计算心音分类模型输出的损失值并反向传播训练模型，直至模型收敛；获取实时心音信号并预处理，将与处理后的实时心音信号输入训练好的心音分类模型得到预测分类结果；采用多数投票机制将预测分类结果转换为心音记录级诊断结果；本发明专利技术实现了心音信号的实时辅助诊断以及噪声的规避；提高了心音分类的灵敏度、特异性和平均准确度。度。度。

【技术实现步骤摘要】
一种基于注意力机制的鲁棒心音分类方法


[0001]本专利技术属于深度学习的心音分类领域，具体涉及一种基于注意力机制的鲁棒心音分类方法。

技术介绍

[0002]心音是一种生理信号，其测量方法称为心音图(phonocardiogram，PCG)。它是由心脏收缩期和舒张期产生的，能反映心房、心室、大血管等身体成分的生理信息以及它们的功能状态。每一个心动周期会产生4个心音，但使用听诊器一般只能听到第一心音和第二心音，在某些健康儿童和青年人有时可听到第三心音，一般使用听诊器不易听到第四心音，而大多数正常人可在心音上记录到低小的第四心音，因此进行心音检查可弥补临床听诊上的不足。
[0003]心音信号被认为是诊断多种心血管病的重要指标，而大多数心脏疾病可以通过心音诊断。心脏听诊是早期诊断各种心脏异常(如心脏瓣膜病、充血性心力衰竭和心脏解剖缺陷)最主要的无创且成本效益高的方法之一。但需要实施者具有丰富的临床经验。这对社区保健医生、乡镇卫生院的基层医生来讲难以胜任，无法正确区分健康儿童中经常出现的生理性杂音和那些与提示心脏病(异常杂音)的异常血流动力学有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的鲁棒心音分类方法，其特征在于，包括以下步骤：S1.通过窗函数分割采集到的心音数据得到若干等长的心音信号；S2.对若干等长的心音信号进行预处理，按比例将预处理结果划分为训练集和测试集；S3.采用训练集训练心音分类模型，所述心音分类模型包括第一卷积层、多个阶段模块和线性输出层；S4.计算心音分类模型输出的损失值并反向传播训练模型，直至模型收敛；S5.获取实时心音信号并预处理，将与处理后的实时心音信号输入训练好的心音分类模型得到预测分类结果；S6.采用多数投票机制将预测分类结果转换为完整心音记录诊断结果。2.根据权利要求1所述的一种基于注意力机制的鲁棒心音分类方法，其特征在于，步骤S1和S2的具体处理过程包括：S11.采用长度为3s、重叠百分比为50％的窗函数，将心音数据截断为若干长度为3s的心音信号；S12.对若干长度为3s的心音信号进行归一化处理；S13.按照比例7:3将归一化处理结果划分为训练集和测试集。3.根据权利要求2所述的一种基于注意力机制的鲁棒心音分类方法，其特征在于，步骤S12对任一条心音信号x进行归一化处理表达式为：x
i
′
＝x
i
‑
mean(x)其中，mean(x)表示心音信号x所有点的数据的平均值，max(x)表示最大值，abs()表示绝对值，x
i
表示心音信号x第i个点的数据，x
i
′
表示对x
i
处理后以0为中心的数据，x
i
″
表示对x
i
′
归一化处理后的数据。4.根据权利要求1所述的一种基于注意力机制的鲁棒心音分类方法，其特征在于，心音分类模型中堆叠2
‑
6阶段模块。5.根据权利要求1或4任一所述的一种基于注意力机制的鲁棒心音分类方法，其特征在于，每个阶段模块均包括级联的残差注意力模块A和残差注意力模块B；所述残差注意力模块A内基于残差结构划出s1和s2两条路径，路径s1包括两个卷积...

【专利技术属性】
技术研发人员：舒禹程，石成旭，肖斌，李伟生，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：