蒿敬波,阳广贤,肖湘江,陶 阳

(1.南昌工学院 信息与人工智能学院,江西 南昌 330108;2.湖南超能机器人,湖南 长沙 410003;3.湖南省儿童医院,湖南 长沙 410007)

0 引 言

儿童先天性心脏病(先心病)的早期筛查十分重要,但是对于医疗资源相对匮乏的偏远地区来说实施起来却比较困难。心音自动分析与模式识别技术[1-3]的发展,特别是深度学习方法的卓越表现,以及多种心音数据库[4-5]的建立,为该问题的解决提供了有力支持。目前国外的3M、Eko和国内的奥图无线等科技公司已经在心音的数字化听诊、无线数据传输和自动分析等方面进行了有效尝试,展现出良好的应用前景和发展潜力。

典型的基于深度学习的心音分类过程如图1所示,该范例从某种程度来讲几乎适用于所有的心音分类应用。受诊者的心音波动可以通过电子听诊器采集并保存为数字化的心音记录,再经过滤波、降采样、截取、归一化、分割等预处理操作,得到干净规整的心音数据。针对心音数据,可以生成人工设计的心音特征表示,如时域、频域或时频域的特征向量、频谱图等。最后利用深度神经网络提取深度语义特征,并根据提取到的特征进行心音分类。

图1 基于深度学习的心音分类过程

心音的采集和预处理技术已经较为成熟,当前研究更多集中于心音分割与心音特征提取上面,而后者正是深度学习技术的优势所在。心音分割旨在确定基础心音(第1心音和第2心音)的位置,对心音特征提取方案的选择具有重要影响。……