基于小波变换和CNN-LSTM的肺音分类算法 |
| |
引用本文: | 张乙鹏,孙文慧,陈扶明.基于小波变换和CNN-LSTM的肺音分类算法[J].中国医学物理学杂志,2024(3):356-364. |
| |
作者姓名: | 张乙鹏 孙文慧 陈扶明 |
| |
作者单位: | 1. 甘肃中医药大学信息工程学院;2. 中国人民解放军联勤保障部队第940医院医疗保障中心 |
| |
基金项目: | 国家自然科学基金(61901515,62361038);;甘肃省自然科学基金(22JR5RA002); |
| |
摘 要: | 目的:针对如何建立有助于电子听诊诊断的肺音分类模型,提出一种基于卷积神经网络(CNN)-长短期记忆网络(LSTM的混合深度学习肺音分类模型方法。方法:首先使用小波变换对数据集进行特征提取,使肺音信号转化为能量熵、峰值等特征;在此基础上构建CNN和LSTM的混合算法分类模型,其中将小波变换提取的特征先输入CNN模块,能够获得数据的空间维度特征,再通过LSTM模块获得数据的时间维度特征,融合两类特征,通过模型可以将肺音分类,从而达到辅助判断患者的肺部疾病。结果:CNN-LSTM混合模型准确率、F1分数均明显高于其他单一模型,可达到0.948和0.950。结论:提出的CNN-LSTM混合模型分类准确率更高,在智能听诊领域具有广泛的潜在应用价值。
|
关 键 词: | 肺音分类 小波变换 卷积神经网络 长短期记忆网络 |
|
|