南方医科大学学报

作者：叶娜, 吴辰文, 蒋佳霖

单位：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

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,

基金：国家自然科学基金(62241204)

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。

来源：2024年第9期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2024年第9期