基于心音信号的常见先天性心脏病智能诊断算法研究

作者：张慧琼; 贾伟杰; 俞凯; 徐玮泽^*

来源：临床小儿外科杂志, 2023, 22(07): 642-648.

DOI：10.3760/cma.j.cn101785—202207056—008

• 心脏病
• 心音
• 算法
• 外科手术
• 儿童

目的对室间隔缺损、房间隔缺损、动脉导管未闭和卵圆孔未闭合并肺动脉高压4种常见先天性心脏病(简称先心病)心音信号进行分析, 提出一种基于深度学习的智能听诊算法, 实现心音信号的自动分类。方法基于数字信号处理技术, 将一维时序信号分类问题转换为二维图像分类问题, 利用深度神经网络实现心音的自动分类。采用该算法对浙江大学医学院附属儿童医院采集的941例心音数据进行训练、验证和测试, 按照8∶1∶1的比例分为训练集、验证集和测试集。此外, 本研究还收集了107例基于临床筛查环境的心音数据, 用于验证智能听诊算法在实际临床应用中的效果。结果本文采用离散小波变换法对心音信号进行降噪处理, 观察到降噪处理对模型性能的显著改善。与未经降噪处理的模型相比, 经过降噪处理的模型在测试集上的准确率、灵敏度、特异度和F1分数分别提高了15.8%、32.6%、11.1%和27.3%。比较5种通用分类神经网络模型(Swintransform、Vit、Mobilenet、Resenet和Vgg)的性能, F1分数分别为0.905、0.842、0.687、0.814和0.864。使用Swintransform模型对107例外部数据集进行测试, 得到0.833的准确率、0.872的灵敏度和0.801的特异度。结论先心病心音信号的自动分类模型性能受噪声与神经网络结构的影响较大。通过应用离散小波变换法对心音信号进行降噪处理, 模型性能显著改善。比较多种通用分类神经网络模型发现Swintransform模型展现出了最佳的分类性能。智能听诊算法在实际临床应用中有良好的有效性、准确率、灵敏度和特异度。基于深度学习的智能听诊算法在先心病心音信号自动分类方面具有潜在应用价值。

• 单位
  浙江科技学院; 南方医科大学; 浙江大学医学院附属儿童医院; 广东省人民医院（广东省医学科学院）