机构名称：
¥ 1.0
心血管疾病是死亡的主要原因，并严重威胁了日常生活的人类健康。临床实践和智能家庭应用程序的需求急剧增加，以监测患有慢性心血管疾病的人的心脏状况。但是，在数量方面仍然缺乏经验丰富的医生。自动心脏声音分类利用高级信号处理和深度学习技术的功能显示出令人鼓舞的结果。然而，缺乏对深神经网络的解释是自动心脏声音分类应用的限制。为此，我们提出了通过注意机制来解释深层神经网络，以进行心脏声音分类。我们评估了心脏听起来深圳语料库的拟议方法。我们的方法可实现三种心脏声音分类的未加权平均召回率为51.2％。例如，正常，轻度和中度/重度。实验结果还表明，通过估计每个单元在高级特征中的贡献，全球注意力集合层可以提高学习表示的性能。我们通过可视化注意力张量进一步分析了深层神经网络。
深层基于注意力的神经网络可解释的心脏声音分类
主要关键词
相关文件推荐
