具有空间-通道重构卷积模块的肺音分类模型
叶娜
吴辰文
蒋佳霖
兰州交通大学电子与信息工程学院计算机科学与技术系,甘肃 兰州 730070
摘要：目的 探究肺音数据的准确识别及分类.方法 本文提出了一种结合空间-通道重构卷积(SCConv)模块的卷积网络架构以及双可调Q因子小波变换(DTQWT)与三重Wigner-Ville变换(WVT)结合的肺音特征提取方法,通过自适应地聚焦于重要的通道和空间特征,提高模型对肺音关键特征的捕捉能力.基于ICBHI2017数据集,进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类.结果 方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%.结论 所提方法在ICBHI 2017肺音数据库上取得了优异的性能,特别是在区分正常肺音和异常肺音方面.
关键词：肺音分类卷积神经网络空间-通道重构卷积双可调Q因子小波变换三重Wigner-Ville变换
论文发表日期：2024-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1720-1728 )
英文信息