【技术实现步骤摘要】
本专利技术涉及心血管健康检测，尤其涉及一种心脏杂音检测方法及装置。
技术介绍
1、心脏听诊作为一种传统的、低成本的、无创的、便携式的筛查技术，可通过听取心音（又称心音图），对心脏功能进行评估，并识别潜在的杂音或病理。通过聆听心脏的声音，医生能够获取关于心脏健康状况的宝贵信息，从而及早发现潜在问题并采取适当的治疗措施。由于心脏听诊需要经验丰富的专业人员进行正确的执行和解读，但现有专业人员数量的不足且培养周期长，因此急需发展更普及、更便捷、且更易于操作的心血管疾病筛查工具，以便更广泛地进行早期诊断和预防措施，以应对全球范围内心血管疾病所带来的严峻挑战。
2、现有技术不断探索将向量机(svm)、卷积神经网络(cnn)、循环神经网络(rnn)及长短期记忆(lstm)等机器学习方法应用到对心血管疾病及心脏听诊的检测中，但复杂的心血管系统动态变化需要模型能够准确地捕捉局部和全局的特征，而现有模型在准确地捕捉心血管系统的局部和全局的特征方面存在一定的局限性，导致从心音记录中检测杂音的预测性能不佳。另外，现有技术中只关注于模型的准确性，却忽...
【技术保护点】
1.一种心脏杂音检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的心脏杂音检测方法，其特征在于，步骤2中，所述心音分类模型包括用于获取所述心音片段中心音序列相对位置关系的前端模块，所述前端模块包括卷积单元和位置编码单元；
3.根据权利要求1所述的心脏杂音检测方法，其特征在于，步骤2中，所述心音分类模型还包括并行注意力-卷积模块，所述并行注意力-卷积模块包括注意力分支和卷积分支；
4.根据权利要求3所述的心脏杂音检测方法，其特征在于，所述并行注意力-卷积模块将所述注意力分支与所述卷积分支分别输出的心音片段音频特征通过指定权重进...
【技术特征摘要】
1.一种心脏杂音检测方法，其特征在于，包括步骤：
2.根据权利要求1所述的心脏杂音检测方法，其特征在于，步骤2中，所述心音分类模型包括用于获取所述心音片段中心音序列相对位置关系的前端模块，所述前端模块包括卷积单元和位置编码单元；
3.根据权利要求1所述的心脏杂音检测方法，其特征在于，步骤2中，所述心音分类模型还包括并行注意力-卷积模块，所述并行注意力-卷积模块包括注意力分支和卷积分支；
4.根据权利要求3所述的心脏杂音检测方法，其特征在于，所述并行注意力-卷积模块将所述注意力分支与所述卷积分支分别输出的心音片段音频特征通过指定权重进行线性组合，以得到整合后的预测向量。
5.根据权利要求1所述的心脏杂音检测方法，其特征在于，所述步骤3中，使用蒙特卡洛dropout方法估计所述心音...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。