-
题名基于同源双线性残差网络实现心音分类
被引量：1
- 1
-
-
作者
张俊飞
张贵英
-
机构
广州医科大学信息与现代教育技术中心
广州医科大学基础医学院
-
出处
《信息技术》
2022年第5期36-42,47,共8页
-
基金
广东省医学科学技术研究基金(A2020194)。
-
文摘
心音信号可以较早表征器质性心脏病,基于深度学习实现心音信号分类有助于临床心脏疾病诊断。为提高基线网络ResNet50心音分类准确率,提出同源双线性残差网络模型。该模型利用CBAM机制改进了ResNet50瓶颈结构,采用F_(1)-score评价标准改进了交叉熵损失函数,运用了标签平滑策略,针对训练数据不平衡问题设置了类间权重,设计心音段类别到心音实例类别映射算法实现了对心音实例分类。通过六组消融实验验证了应用技巧的有效性,提出的模型相比基线网络具有更好的分类效果;与先前学者研究对比分析可知,提出的模型具有一定可行性、先进性。
-
关键词
同源双线性
CBAM
F_(1)-score
标签平滑
-
Keywords
homologous bilinear
CBAM
F 1-score
label-smoothing
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
