PCGmix:用于心脏声音分类的数据增强方法

科学领域:

• 心脏病学 心脏病学
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 心血管疾病 (CVD) 是全球死亡的主要原因,需要早期识别风险以进行有效预防.
• 深度学习模型显示,使用心电图 (PCG) 数据进行自动心血管疾病检测是有前途的,但需要大量的数据集.
• 数据增强是解决深度学习应用中数据稀缺问题的关键策略.

研究的目的:

• 推出PCGmix,这是一种专门为心电图 (PCG) 数据设计的新型数据增强技术.
• 评估PCGmix在增强心血管疾病 (CVD) 检测深度学习模型方面的有效性,特别是在数据有限的场景中.

主要方法:

• 开发了PCGmix算法,该算法通过精确的插值对PCG记录进行细分和重新组装,以保持诊断特征.
• 将PCGmix应用于正常和异常心脏声音记录的公共数据集.
• 进行了不同数据集大小的实验,以评估与最先进的方法相比,增强对模型性能的影响.

主要成果:

• PCGmix的性能优于现有的时间序列数据增强技术.
• 在有限的数据设置中,PCGmix的准确性与训练在显著更大的数据集 (31%到69%的数据) 上的模型相提并论.
• 提出的方法在不同大小的数据集中显示出卓越的性能.

结论:

• PCGmix是一种有效的数据增强技术,用于声心图 (PCG) 数据.
• 该方法显著提高了用于心血管疾病 (CVD) 检测的深度学习模型的准确性.
• PCGmix提供了一种有价值的解决方案,用于在数据受限制的环境中改进心血管疾病检测.