心音表征学习：浅层模型与深层模型的比较研究

文章预览

听诊作为一种简单、方便、廉价、无创、高效的临床方法，已经被医生们使用了一个多世纪。准确监测和了解心音对于心血管疾病(CVD)的早期诊断至关重要。随着机器学习(ML)以及深度学习(DL)等人工智能技术的快速发展，心音的自动分析和监测吸引了医学界和工程领域的大量关注。由于其无创特性，心音分类不仅可以早期筛查CVD，而且可以帮助控制病情的进展。 在过去的十年里，利用人工智能来促进心音的自动分析和监测已经吸引了大量的关注。然而，在首次发布PhysioNet CinC挑战数据集之前，缺乏标准的公开数据库，使得难以维持可持续和可比较的研究。并且，数据收集、标注、划分等方面的标准不统一，仍然制约着不同分析模型之间公平、高效的比较。 基于此，本研究引入并测试了第一版的深圳心音数据库(HSS)。在前人基于HSS的工作的激励和启发 ………………………………