基于改进ResNet50的心音分类算法研究

作者：李嘉琪; 全星日^*

来源：电脑知识与技术, 2022, 18(21): 76-78.

DOI：10.14004/j.cnki.ckt.2022.1245

• 心音分类
• ResNet50
• Selective Kernel convolution
• 混合空洞卷积

心音自动分类算法广泛使用浅层卷积神经网络和递归神经网络，针对其特征提取能力较弱、感受野大小单一的不足，提出了基于改进ResNet50的心音分类算法。使用ResNet50网络作为分类模型，并引入空间注意力机制SK conv(Selective Kernel convolution)和混合空洞卷积（HDC, Hybrid Dilated Convolution）方法。使用经短时傅里叶变换提取的时频图作为输入，在PhysioNet Challenge2016数据集上进行正常与异常心音分类测试。实验结果表明，与ResNet50网络相比，该方法获得了更高的分类精度，平均准确率达到92.6%。

• 单位
  延边大学