摘要
先天性心脏病(先心病)是严重威胁儿童健康的常见疾病,尽早进行先心病筛查对于该疾病的及时诊断和手术治疗十分重要,但这在医疗资源相对匮乏的偏远地区却难以实现.针对上述问题,为实现儿童先心病的智能化早期筛查,提出了一种基于复Morlet小波谱图与Transformer架构深度神经网络分类器的异常心音识别方法,其中小波谱图可以兼顾非平稳心音信号特征描述的时间分辨率与频率分辨率,而心音分类模型则是在经典ResNet50 骨干网络的基础上嵌入了Transformer架构自注意力模块,可有效提升对时序信号谱图的特征提取能力.此外,还实现了基于Hilbert变换的心音包络检查,以及基于XMLRPC协议与Redis队列的并发心音识别服务部署,便于和前端机器人整合使用.实验测试显示识别准确率在现场心音数据集上达到87.5%,在PhysioNet 2016 心音数据集上达到94.5%,表明该方法不仅在公开数据集上优于已有方法,即使是针对现场复杂环境下的心音识别任务也能取得较为理想的效果.
基金项目
江西省教育科学技术研究项目(GJJ212521)
南昌工学院引进人才科研启动项目(NGRCZX-20-12)
湖南省自然科学基金(2021JJ70082)
国家科技期刊平台
NSTL
维普
万方数据