目前,在基于医疗大数据与机器学习的心音识别系统研究中,对于单心动周期的提取大多依赖人工截取或基于同步心电信号进行分割,大大降低了整个系统的实用性和易用性。针对以上问题提出了一种基于低频提取的单心动周期分割及MFCC(Mel Frequ...目前,在基于医疗大数据与机器学习的心音识别系统研究中,对于单心动周期的提取大多依赖人工截取或基于同步心电信号进行分割,大大降低了整个系统的实用性和易用性。针对以上问题提出了一种基于低频提取的单心动周期分割及MFCC(Mel Frequency Cepstral Coefficients)特征提取的嵌入式硬件系统,能够更高效地实现单心动周期分割并计算其MFCC特征参数,综合分割准确率达98.3%,解决了单心音周期分割中对心音信号纯净度要求较高和没有成熟系统的问题,并且降低了数据存储成本,具有较好的实用性和潜在的应用前景。展开更多
文摘目前,在基于医疗大数据与机器学习的心音识别系统研究中,对于单心动周期的提取大多依赖人工截取或基于同步心电信号进行分割,大大降低了整个系统的实用性和易用性。针对以上问题提出了一种基于低频提取的单心动周期分割及MFCC(Mel Frequency Cepstral Coefficients)特征提取的嵌入式硬件系统,能够更高效地实现单心动周期分割并计算其MFCC特征参数,综合分割准确率达98.3%,解决了单心音周期分割中对心音信号纯净度要求较高和没有成熟系统的问题,并且降低了数据存储成本,具有较好的实用性和潜在的应用前景。
