关于深度学习:基于对数谱图的深度学习心音分类

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)。

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， = 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:

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

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