多输入神经网络的肺气肿识别
郭涛1
古依聪1
刘启明1
李成1
石帅2
1.中北大学电子测试技术国家重点实验室 太原 0300512.中国航天科技集团有限公司中国运载火箭技术研究院 北京 100000
摘要：针对肺气肿的两种典型特征(喘鸣音和水泡音)采用多输入神经网络对其进行分类,达到判断是否患有高原肺气肿的目的.针对肺音数据,对其进行滤波降噪后采用梅尔谱图(Mel)、恒Q变换(CQT)、小波变换(WT)和短时傅里叶变换(STFT)四种谱图特征提取方式.并采用LBP和Mixup进行数据增强,输入多输入卷积神经网络(Mul-CNN)中进行肺音分类.得到肺音在使用WT和Mel作为输入时准确率为93.6%,特异率为92.3%,灵敏度为94%,ICBHI得分为93.1%.
关键词：肺气肿Mul-CNNLBPMixup
分类号：TN912.3(通信)R563.1(呼吸系及胸部疾病)
资助基金：国家自然科学基金(51975541)
论文发表日期：2025-03-20
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：6( 678-683 )
英文信息