申玉静 1 , 王寻 2,3 , 唐闽 1 , 梁金福 4
  • 1. 中国医学科学院阜外医院 心律失常中心(北京 100037);
  • 2. 上海电机学院 智能制造(中德)学院(上海 201306);
  • 3. 中国科学院声学研究所 语言声学与内容理解重点实验室(北京 100190);
  • 4. 贵州师范大学 物理与电子科学学院(贵阳 550025);
导出 下载 收藏 扫码 引用

心音听诊是一种重要的用于心脏疾病诊断的方法。心音中通常可以听见的部分包括第一心音(S1)和第二心音(S2)。在一个心动周期中,不同阶段的杂音往往对应不同的心脏疾病,因此心音分割是利用心音进行疾病诊断的前提。S1 和 S2 分别发生于心脏收缩期和舒张期的开始阶段,准确定位 S1 和 S2 有利于心音的正确分割。本文研究了一种不利用收缩期和舒张期的时间特征,而仅使用 S1 和 S2 本身特性的分类方法。将训练集中带有标注的 S1 和 S2 进行短时傅里叶变换得到时频图,然后构建有分支的双层卷积神经网络,使用时频图对卷积神经网络进行训练,得到可用于 S1 和 S2 分类的神经网络。神经网络对测试集中 S1 和 S2 的分类准确率最高为 91.135%,高于传统的方法。神经网络的敏感性和特异性分别为 91.156% 和 92.074%。该方法无需预先提取心音的特征,计算简单,有利于心音的实时分割。