机构名称：
¥ 1.0
5副教授1计算机科学与工程系，1萨特亚技术与管理研究所，维齐亚纳加兰，安得拉邦，印度安得拉邦摘要：风湿性心脏病（RHD）是对细菌攻击的自身免疫反应，使心脏瓣膜正常功能恶化。瓣膜上的损伤会影响心脏腔内部的正常血液流动，该血液可以通过听诊器记录并通过听觉记录作为声音图。但是，听诊的手动方法很困难，耗时和主观。在这项研究中，基于卷积神经网络的深度学习算法用于执行自动听诊，并将心脏的声音分为正常和风湿性。分类是在未分段的数据上进行的，其中不需要第一个，第二，收缩期和舒张期的提取。CNN网络的体系结构形成为一层层。卷积和批处理标准化层，然后是最大池层以下样品，使用了特征图。在末尾有一个最终的最大池层层，该层将随着时间的流逝汇集输入特征映射，并在末尾包括一个完全连接的层。网络有五个卷积层。目前的工作说明了使用MEL Spectrotoral表示使用深卷积神经网络的使用。在本研究中，从一百七十名受试者中记录了RHD心脏声音数据集，其中一百二十四名被确认为RHD患者。该系统的整体准确度为96.1％，灵敏度为94.0％，特异性为98.1％。索引术语 - 风湿性心力衰竭，深度学习，心脏声音，机器学习，PCG。
使用深度学习的风湿性心脏病检测...
主要关键词
相关文件推荐
