| 摘要:心音听诊是心血管疾病辅助诊断的常用工具。提出一种基于轻量级卷积神经网络的心音自动分类模型。首先对预处理后的心音信号进行分割，作为模型的输入。模型使用深度可分离卷积层替换传统卷积层来降低模型的计算复杂度。利用挤压和激发模块增强的反转残差模块，能够在使用小卷积核和少通道数的同时保证提取的特征的分类有效性，在轻量级组卷积块之后使用通道混沌模块，交换不同通道之间的信息，能够实现更大的感受野以提取足够的全局特征。在2016年PhysioNet心脏病学挑战赛所用的公开心音信号数据库上的实验测试表明，所提出模型的准确度、精确率、召回率、F1分数和AUC值分别为95.69%、95.76%、98.60%、0.97和0.94，且仅使用4593的总参数量和0.40G的总浮点运算次数，与其他卷积神经网络模型的结果比较，分类性能更好且计算复杂度更低，在基于心音信号的心血管疾病辅助诊断应用中有很大潜力。 |
| 关键词: 心音分类 卷积神经网络 轻量级模型 |
|
|
|
|
| Abstract: |
| Key words: |
