基于深度卷积神经网络的心音智能分析

发布时间：2023-11-25 06:40

　　心血管疾病是全球范围内高致病率和致死率的主要原因。特别是小儿先天性心脏病,为家庭与社会都带来了巨大的不幸与深重的负担,及早地对心血管疾病的发现与治疗十分有必要。心音听诊作为一种有效的非侵入式方法能够方便、快捷地了解到心脏的健康状况,对心血管疾病而言是一种重要的初步诊断手段。然而,医生听诊存在一定的主观性,且需要大量的临床经验才能够有效地进行诊断。而计算机辅助的心音分析方法凭借其客观性与有效性,已成为了当前研究者关注的重要领域。由于心音数据规模与质量的限制,以前的心音分析方法主要是基于传统的手工特征提取与机器学习的方式。但由于心音的复杂性与外界噪音的干扰,在实际应用中很难取得进一步的提升。在PhysioNet/CinC 2016数据集公布之后,虽然有一些基于深度学习的方法涌现。然而由于其结构过于简单,存在效果不佳和参数消耗过多等问题,难以应用于手机、智能可穿戴设备等资源受限的应用中。针对以上问题,本文主要从心音数据和用于心音诊断的深度卷积神经网络模型两个角度展开研究,主要研究内容如下:1.构建小儿心音公开数据集。通过研究心音产生的机理和特点、整理现有的心音公开数据集,针对成人和小儿心音的...

【文章页数】：70 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 心音信号的分割方法研究
        1.2.2 心音信号的特征提取与分类方法研究
    1.3 论文主要工作
    1.4 论文组织结构
第2章 卷积神经网络及其相关理论
    2.1 人工神经网络
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 全连接层
    2.3 本章小结
第3章 心音数据的采集与整理
    3.1 引言
    3.2 心音信号的产生机理
    3.3 当前的心音公开数据集
    3.4 小儿心音数据集
    3.5 本章小结
第4章 基于一维深度卷积神经的心音智能诊断
    4.1 引言
    4.2 基于一维深度卷积神经网络的心音智能诊断方法
        4.2.1 心音预处理与分割
        4.2.2 基于一维DenseNet的心音片段分类
        4.2.3 基于一维CliqueNet的心音片段分类
        4.2.4 最终决策规则
    4.3 实验结果与分析
        4.3.1 评价指标
        4.3.2 基于一维DenseNet的心音诊断相关实验
        4.3.3 基于一维CliqueNet的心音诊断相关实验
        4.3.4 心音诊断可解释性可视化结果
    4.4 本章小结
第5章 总结与展望
    5.1 当前工作总结
    5.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3867469