交叉对比神经网络在心音分类预判中的研究

发布时间：2023-11-05 12:40

　　心音是心脏跳动周期中各个组织(瓣膜、心肌、血液)运动产生的声音,富含大量器官(心房、心室、大血管、瓣膜)的状态信息,我们可以通过监测血液循环产生的心音,在心血管疾病发生的初期有效开展治疗工作。考虑到我国幅员辽阔、医疗资源相对短缺的基本国情,心音的自动化听诊研究对我国的初级卫生保健工作有着重大意义。本研究结合了深度学习和基于信息的相似度度量理论(IB S),提出了一种新的网络结构——交叉对比神经网络(CCNN)。网络分为两个主要部分,第一部分通过深度网络提取特征,第二部分利用统计学理论度量特征向量之间的相似性进行分类。本研究改进了原始IBS理论中相似性的度量方法,提出了ModIBS理论,使CCNN能够借助深度学习的强大特征挖掘能力,在统计和物理假设的基础上,对动力学结构生成的信号进行分类。CCNN主要有以下几个主要特点:1.使用交叉对比的输入模式,一方面扩充了医学小数据集,另一方面引入了除信号内容信息之外的对比信息。2.利用统计度量的方法将先验知识引入到神经网络的训练过程中,使网络在统计学原理的支撑下,更加适应医学小数据集的训练。3.结构灵活易调整,特征抽取、距离度量部分方法的选择都非常...

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 心音信号分类的相关背景及研究意义
    1.2 国内外该课题的研究现状
    1.3 本文的主要研究内容
    1.4 本文的组织结构
第二章 心音信号的相关理论的介绍
    2.1 心音的产生原理
    2.2 心音的采集机制
    2.3 心音的组成部分
    2.4 心音正常与否的判别标准
第三章 CCNN系统原理介绍
    3.1 深度学习
    3.2 卷积神经网络
    3.3 迁移学习
    3.4 IBS理论
    3.5 CCNN网络
第四章 数据分析方案设计及结果分析
    4.1 数据集介绍
    4.2 评价准则介绍
    4.3 传统基于分割方法的心音分类
        4.3.1 预处理
        4.3.2 特征构建
        4.3.3 结果分析
    4.4 基于机器学习方法的心音分类
        4.4.1 预处理
        4.4.2 特征构建
        4.4.3 结果分析
    4.5 基于CCNN的实验设计
        4.5.1 预处理
        4.5.2 模型训练
        4.5.3 模型测试
        4.5.4 结果分析
第五章 总结与展望
    5.1 全文总结
    5.2 展望
参考文献
致谢
硕士研究生期间主要工作及相关成果



本文编号：3861048