[发明专利]一种基于卷积循环神经网络的心音信号分类方法在审
申请号: | 201910141760.7 | 申请日: | 2019-02-26 |
公开(公告)号: | CN109961017A | 公开(公告)日: | 2019-07-02 |
发明(设计)人: | 孟婷婷;邓木清;范慧婕;曹九稳 | 申请(专利权)人: | 杭州电子科技大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62 |
代理公司: | 杭州君度专利代理事务所(特殊普通合伙) 33240 | 代理人: | 朱月芬 |
地址: | 310018 浙*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种基于卷积循环神经网络的心音信号分类方法,包括以下步骤:对心音数据进行噪声处理;提取心音信号的心音特征;数据标准化;构建卷积循环神经网络模型;利用训练样本数据特征对构建的神经网络进行训练,并将训练后的网络结构和参数进行保存;使用训练后的模型参数对测试样本数据进行测试,得到最终分类识别结果。本发明降低了系统复杂度,而且提取的心音特征无需对心音信号进行分割,减少系统的计算量,本发明利用卷积神经网络与循环神经网络串联的方式,提出了一种兼备卷积神经网络与循环神经网络处理优势的深度学习模型,对心音信号分类有更好的表现力,为正常与异常心音信号的检测提供了有效、便利的工具。 | ||
搜索关键词: | 循环神经网络 心音信号 卷积 卷积神经网络 心音特征 构建 分类 测试样本数据 训练样本数据 数据标准化 系统复杂度 分类识别 减少系统 模型参数 神经网络 网络结构 心音数据 异常心音 噪声处理 计算量 串联 测试 保存 便利 分割 检测 学习 | ||
【主权项】:
1.一种基于卷积循环神经网络的心音信号分类方法,其特征在于,包含如下步骤:步骤1、对心音数据进行噪声处理:采用带通滤波器对心音信号进行去噪;步骤2、提取心音数据中的心音特征:对心音信号提取梅尔频率倒谱系数作为心音信号的特征;步骤3、数据标准化:对得到的特征数据进行标准化;步骤4、构建卷积循环神经网络模型:将卷积神经网络和循环神经网络进行结合,构建的卷积循环神经网络模型为输入层‑卷积层‑池化层‑卷积层‑池化层‑卷积层‑池化层‑LSTM层‑全连接层‑输出层,模型最后一层是处理多分类任务的softmax层;步骤5、训练卷积循环神经网络模型:利用训练样本数据集中的心音特征数据对卷积循环神经网络模型进行训练,并将训练好的卷积循环神经网络模型和参数进行保存;步骤6、分类识别:利用训练好的网络结构和参数,对测试样本数据集中的心音特征数据进行测试,得到分类结果,识别出正常心音和异常心音信号。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于杭州电子科技大学,未经杭州电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910141760.7/,转载请声明来源钻瓜专利网。