一个带有双通道变压器的阶段增强神经网络,用于单通道胸部声音分离
IEEE journal of biomedical and health informatics
|November 13, 2025
概括
这项研究引入了一种新型的阶段增强神经网络 (PENN),以分离心脏声音 (HS) 和肺声音 (LS),以提高诊断准确度. PENN有效地增强相位信息,从而更好地分离混合的胸部声音.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 人工智能的人工智能
背景情况:
- 听觉对于诊断心血管和肺部疾病至关重要.
- 混合的心声 (HS) 和肺声 (LS) 会降低诊断的准确性.
- 现有的方法在胸部声音分析中往往未充分利用相位信息.
研究的目的:
- 开发一种用于分离心脏声音 (HS) 和肺声音 (LS) 的新方法.
- 通过利用相位信息来提高胸部声音分析的准确性.
- 引入用于评估声音分离性能的新指标.
主要方法:
- 一个阶段增强的神经网络 (PENN) 已被开发用于HS和LS的分离.
- PENN集成了一个用于使用局部推理的相恢复的前连接.
- 使用时频双通道变压器 (DPT) 来增强网络的接收场.
主要成果:
- 在基于阶段的分离指标 (pSI-SDRi) 中,PENN表现出显著的改进.
- 在60Hz的肺声音切断下,HS获得1.44dB的改善,LS获得2.25dB的改善.
- 提出了新的指标,mSI-SDRi和pSI-SDRi,以评估大小和阶段贡献.
结论:
- 佩恩提供了一种强大而有效的解决方案,用于分离混合的心脏和肺部声音.
- 拟议的方法对提高临床听觉的准确性充满希望.
- 杆阶段信息对于提高胸部声音分离性能至关重要.


