基于时频组合特征与自适应模糊神经网络的心音分类算法

特征提取方法和分类器的选择是心音分类中的两个重要环节。为了充分捕捉心音信号中的病理性特征，研究中引入了一种结合梅尔频率倒谱系数（MFCC）和功率谱密度（PSD）的特征提取方法。与目前常规分类器不同，研究中选择了自适应模糊神经网络（ANFIS）为分类器。在实验设计方面，选取了不同时期、不同频率范围的PSD进行对比，选出分类效果最佳的特征，并采用均值PSD、标准差PSD、方差PSD和中位PSD四种不同的功率谱统计特性进行对比。通过实验比较，心音收缩期100～300 Hz的中位PSD和MFCC组合特征有最好的效果，在准确率、精确率、灵敏度、特异度和F1得分上分别达到96.50%、99.27%、93.35%、99.60%和96.35%。结果显示本研究所提算法对先心病辅助诊断具有较大帮助。