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 |
| |
引用本文: | 汪琴,杨宏波,潘家华,田英杰,郭涛,王威廉.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[J].生物医学工程学杂志,2023(6):1152-1159. |
| |
作者姓名: | 汪琴 杨宏波 潘家华 田英杰 郭涛 王威廉 |
| |
作者单位: | 1. 云南大学信息学院;2. 昆明医科大学;3. 云南省阜外心血管病医院(昆明医科大学附属心血管病医院) |
| |
基金项目: | 国家自然科学基金资助项目(81960067);;2018云南省重大科技专项资助项目(2018ZF017); |
| |
摘 要: | 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。
|
关 键 词: | 心音分类 模糊神经网络 功率谱密度 梅尔频率倒谱系数 先天性心脏病 |
|