在PCG信号中检测膜心脏病,结合直角非负矩阵因子化和卷积神经网络

科学领域:

• 生物医学工程 生物医学工程
• 心脏病学 心脏病学
• 信号处理 信号处理

背景情况:

• 膜心脏病 (VHD) 显著增加死亡率.
• 胸外回声心电图 (TTE) 是VHD检测的标准,但心电图 (PCG) 提供了一个经济有效的,非侵入性的替代方案.
• 准确的VHD诊断依赖于精确分析心脏听觉信号.

研究的目的:

• 用PCG信号开发一种用于检测异常的膜心脏声音的新方法.
• 通过将直角非负矩阵分解 (ONMF) 与卷积神经网络 (CNN) 结合起来,提高VHD检测准确性.
• 为了确定最佳的ONMF时间或光谱模式,以改善VHD诊断.

主要方法:

• 一个三级级联方法,集成ONMF和CNN架构.
• 时间频率表示和PCG信号的带通选.
• 使用ONMF提取时间和光谱心脏结构,然后进行基于CNN的检测.

主要成果:

• 将ONMF时间特征与CNN分类器集成,显著提高了VHD检测准确度.
• 观察到的精度提高约为45% (ONMF光谱特征) 和35% (STFT光谱图特征).
• 具有ONMF时间特征的低复杂度CNN架构实现了与复杂模型相比的结果.

结论:

• 由ONMF考虑的时间结构对于区分正常和异常的心声至关重要.
• 这项研究强调了CNN模型在膜心脏声音检测中适当输入数据表示的重要性.
• 这种ONMF-CNN方法为改善VHD诊断提供了一个有前途的工具.