卷积神经网络应用于先心病心音信号分类研究

摘要

心脏听诊是先心病初诊和筛查的主要手段.传统心音分类算法普适性差,过程复杂,不利于将来实时化决策.采用1800个心音信号对几种时间序列分类的主流深度学习网络进行训练,结果显示循环神经网络易出现过拟合;长短时记忆网络分类损失值0.257,准确率0.872;卷积神经网络损失值0.25,准确率0.896.实验表明卷积神经网络相比较其他两种网络具备更大的潜力.基于卷积神经网络的先心病分类算法,因训练样本量大,使网络普适性得到了保证.与其他分类器相比,CNN的另一个优势是其可自动提取特征.该研究有望用于机器辅助听诊.