南京邮电大学学报(自然科学版)

作者：卢官明,蔡亚宁,卢峻禾,戚继荣,王洋,赵宇航

单位：南京邮电大学通信与信息工程学院，江苏 南京 210003南京邮电大学通信与信息工程学院，江苏 南京 210003南京邮电大学计算机学院，江苏 南京 210023南京医科大学附属儿童医院心胸外科，江苏 南京 210008南京医科大学附属儿童医院心胸外科，江苏 南京 210008南京医科大学附属儿童医院心胸外科，江苏 南京 210008

关键词：心音分类；平均幅度差函数；短时过零率；双向长短时记忆网络；时序注意力机制

基金：国家自然科学基金（72074038）和江苏省卫生健康委员会重点项目（K2023036）资助项目

异常心音检测是对心脏病进行初步诊断的一种有效而方便的方法。为提升异常心音的检测性能，提出了一种基于双向长短时记忆网络（Bi?directional Long Short?Term Memory，Bi?LSTM）和时序注意力的异常心音检测算法。首先对心音片段进行分帧处理，使用平均幅度差函数（AverageMagnitude Difference Function，AMDF）和短时过零率（Short?Time Zero?Crossing Rate，STZCR）提取每帧心音信号的初始特征；然后将它们拼接后作为Bi?LSTM 的输入，并引入时序注意力机制，挖掘特征的长期依赖关系，提取心音信号的上下文时域特征；最后通过Softmax 分类器，实现正常/异常心音的分类。在PhysioNet/CinC Challenge 2016 提供的心音公共数据集上对所提出的算法使用10 折交叉验证法进行了评估，其准确度、灵敏度、特异性、精度和 F1 评分分别为 0.957 9、0.936 4、 0.964 2、0.883 8 和0.909 3，优于已有的其他算法。实验结果表明，该算法在无需进行心音分段的基础上就能有效实现异常心音检测，在心血管疾病的临床辅助诊断中具有潜在的应用前景。

来源：2025年第01期

《南京邮电大学学报(自然科学版)》期刊编辑部

查看南京邮电大学学报(自然科学版)杂志2025年第01期