一种基于多尺度卷积网络的心音信号杂音检测方法技术

一种基于多尺度卷积网络的心音信号杂音检测方法，包括：采集心音信号信息；并裁剪成固定长度的片段作为网络输入；再对裁剪的心音片段进行预处理；基于频谱密度比评估心音片段质量，对低质量片段的标签进行校正；生成频谱图；通过分层多尺度结构的卷积神经网络分别提取不同尺度频谱图中的有效特征，实现对心脏杂音的准确识别与分类；对多尺度卷积神经网络进行训练；根据多尺度卷积神经网络的输出结果，输出心脏杂音的诊断结果。本发明专利技术通过引入分层多尺度卷积神经网络，有效融合了多尺度特征，提高了心音信号杂音检测及临床结果分类的准确性和鲁棒性。并基于频谱密度比评估心音片段质量，对低质量片段的标签进行校正，进一步提升了分类性能。

【技术实现步骤摘要】

本专利技术涉及医疗信号处理，具体涉及一种基于多尺度卷积网络的心音信号杂音检测方法。

技术介绍

1、心血管疾病（cvd）的早期筛查对于降低心脏病恶化的风险至关重要。传统的心脏杂音检测依赖于医务人员的听诊，但受限于听诊能力和临床经验，结果并不总是可靠。近年来，计算机辅助分析在改善心脏杂音分类方面取得了显著进展。然而，现有的心音图（pcg）分类方法主要分为两类：包括基于机器学习（ml）和基于深度学习（dl）的方法，均存在各自的局限性。基于ml的方法需要手动提取特征，依赖性强且鲁棒性不足；而基于深度学习的方法虽然能自动提取特征，但需要大规模数据集支持，且传统深度卷积神经网络（cnn）难以处理心音信号中的长短期依赖性。

技术实现思路

1、针对现有技术的不足，本专利技术提供了一种基于多尺度卷积网络的心音信号杂音检测方法，克服了现有技术的不足，设计合理，通过引入分层多尺度卷积神经网络，有效融合了多尺度特征，提高了心音信号杂音检测及临床结果分类的准确性和鲁棒性。并基于频谱密度比评估心音片段质量，对低质量片段的标签进行校正，减本文档来自技高网...

【技术保护点】

1.一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：所述步骤S3中，对提取的心音片段进行预处理的方式包括归一化处理、降采样处理和滤波处理。

3.根据权利要求1所述的一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：所述步骤S6中，所述分层多尺度结构的卷积神经网络采用多尺度频谱图作为输入，通过不同尺度的频谱图提取不同分辨率的时频特征；

4.根据权利要求1所述的一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：所述步骤S6中，对于对于...

【技术特征摘要】

1.一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：所述步骤s3中，对提取的心音片段进行预处理的方式包括归一化处理、降采样处理和滤波处理。

3.根据权利要求1所述的一种基于多尺度卷积网络的心音信号杂音检测方法，其特征在于：所述步骤s6中，所述分层多尺度结构的卷积神经网络采用多尺度频谱图作为输入，通过不同尺度的频谱图提取不同分辨率的时频特征；

4.根据权利要求...

【专利技术属性】
技术研发人员：鲍新奇，
申请(专利权)人：上海跃闻科技有限公司，
类型：发明
国别省市：