基于FBPSI的多级特征编码算法用于心脏声音分类
Yu Fang1, Hongxia Leng1, Weibo Wang1
1School of Electrical and Electronic Information, Xihua University, Chengdu, 610039, Sichuan, China.
Scientific reports
|November 25, 2024
概括
这项研究引入了一种用于分类心脏声音的新算法,在检测心脏病方面实现了高精度. 该方法使用频率平衡的功率光谱强度和集体包装树来进行可靠的心脏声音分析.
科学领域:
- 心脏病学 心脏病学
- 生物医学信号处理
- 医疗保健中的机器学习
背景情况:
- 对心脏声音信号的准确分析对于诊断心脏疾病至关重要.
- 现有方法在特征提取和分类准确性方面可能面临挑战.
研究的目的:
- 提出使用频率平衡功率光谱强度用于心声信号分类的多级特征编码算法.
- 评估算法在公开和自主收集的心脏数据集上的性能.
主要方法:
- 使用波幅值函数来否定心脏声音信号.
- 计算频率平衡的功率光谱强度外.
- 使用编码器提取多级特征.
- 使用集体包装树分类器对信号进行分类.
主要成果:
- 达到98.73%的平均准确度,用于正常与异常的心声分类.
- 达到98.12%的平均准确度,用于正常与过度缩性心肌病的分类.
- 在二进制和三进制分类任务上表现强.
结论:
- 拟议的多级特征编码算法为准确的心声分类提供了一个有希望的方法.
- 这种方法在早期诊断心脏病方面具有重大潜力.
- 这些发现支持在心脏病学中使用先进的信号处理和机器学习.
