共计 1657 个字符，预计需要花费 5 分钟才能阅读完成。
这是一篇很有意思的论文，他基于心音信号的对数谱图，提出了两种心率音分类模型，咱们都晓得：频谱图在语音辨认上是广泛应用的，这篇论文将心音信号作为语音信号处理，并且失去了很好的成果。
对心音信号进行统一长度的分帧，提取其对数谱图特色，论文提出了长短期记忆 (LSTM) 和卷积神经网络 (CNN) 两种深度学习模型，依据提取的特色对心跳声进行分类。
心音数据集
影像学诊断包含心脏核磁共振成像(MRI)、CT 扫描、心肌灌注成像。这些技术的毛病也很显著对古代机械、业余人员的要求高，诊断工夫长。
论文应用的是公共数据集，由 1000 个。wav 格局的信号样本组成，采样频率为 8 kHz。数据集分为 5 类，包含 1 个失常类 (N) 和 4 个异样类: 主动脉瓣狭隘 (AS)、二尖瓣反流(MR)、二尖瓣狭隘(MS) 和二尖瓣脱垂(MVP)。
主动脉瓣狭隘 (AS) 是指主动脉瓣太小、狭隘或生硬。主动脉瓣狭隘的典型杂音是高音调的“菱形”杂音。
二尖瓣返流 (MR) 是指心脏的二尖瓣没有失常敞开，导致血液回流到心脏而不是被泵出。听诊胎儿心脏时，S1 可能很低(有时很响)。直到 S2，杂音的音量减少。因为 S3 后二尖瓣急流，可听到短而隆隆声的舒张中期杂音。
二尖瓣狭隘 (MS) 是指二尖瓣受损不能齐全关上。心音听诊显示二尖瓣狭隘晚期 S1 减轻，重大二尖瓣狭隘时 S1 软。随着肺动脉低压的倒退，S2 音将被强调。纯多发性硬化症患者简直没有左室 S3。
二尖瓣脱垂 (MVP) 是指在心脏收缩期二尖瓣小叶脱垂至左心房。MVP 通常是良性的，但并发症包含二尖瓣反流、心内膜炎和脊索断裂。体征包含收缩期中期的咔嗒声和收缩期早期的杂音(如果存在反流)。
预处理与特征提取
声音信号有不同的长度。所以须要固定每个记录文件的采样率。长度被裁剪后使声音信号蕴含至多一个残缺的心脏周期。成年人每分钟心跳 65-75 次，心跳周期约为 0.8 秒，所以信号样本被裁剪为 2.0-s, 1.5- s 和 1.0- s 段。
基于离散傅里叶变换 (DFT)，将心音信号的原始波形转换为对数谱图。声音信号的 DFT y(k) 为 Eq.(1)，对数谱图 s 定义为 Eq.(2)。
式中，N 为向量 x 的长度，ε = 10^(- 6)是一个小偏移量。局部心音样本的波形和对数谱图如下:
深度学习模型
1、LSTM
LSTM 模型设计为 2 层间接连贯，而后是 3 层齐全连贯。第三个齐全连贯的层输出 softmax 分类器。
2、CNN 模型
如上图所示，前两个卷积层之后是重叠的最大池化层。第三个卷积层间接连贯到第一个全连贯层。第二个齐全连贯的层提供给具备五个类标签的 softmax 分类器。在每个卷积层之后应用 BN 和 ReLU。
3、训练细节
后果
训练集蕴含整个数据集的 70%，测试集蕴含其余部分。
当 CNN 模型片段持续时间为 2.0 s 时，准确率最高为 0.9967; 宰割工夫为 1.0 s 的 LSTM 准确率最低为 0.9300。
CNN 模型的整体准确率别离为 0.9967、0.9933 和 0.9900，片段持续时间别离为 2.0 s、1.5 s 和 1.0 s，而 LSTM 模型的这三个数字别离为 0.9500、0.9700 和 0.9300。
CNN 模型比 LSTM 模型在各时段的预测精度更高。
混同矩阵如下：
N 类 (Normal) 的预测正确率最高，在 5 个案例中达到 60 个，而 MVP 类在所有案例中预测正确率最低。
LSTM 模型输出工夫长度为 2.0 s，最长预测工夫为 9.8631 ms。分类工夫为 1.0 s 的 CNN 模型预测工夫最短，为 4.2686 ms。
与其余 SOTA 比拟，一些钻研的准确率十分高，但这些钻研只进行了两类(失常和异样)，而本钻研分为五类。
与应用雷同数据集的其余钻研相比（0.9700），论文钻研有了显著进步，最高准确率为 0.9967。
论文地址：
Heart Sound Classification Using Deep Learning Techniques Based on Log-mel Spectrogram
https://avoid.overfit.cn/post/c8f5ca920d5c4d7c819b2678eaaf946a
作者：Sik-Ho Tsang
