关键词：先心病 分类 机器辅助听诊 梅尔系数 卷积神经网络 

摘要：心脏听诊是先天性心脏病(简称:先心病,CHD)初诊和筛查的主要手段。本文对先心病心音信号进行分析和分类识别研究,提出了一种基于卷积神经网络的先心病分类算法。本文算法基于临床采集的已确诊先心病心音信号,首先采用心音信号预处理算法提取并组织一维时间域上心音信号的梅尔系数转变成二维特征样本。其次,以1 000个特征样本用于训练和优化卷积神经网络,使用自适应矩估计(Adam)优化器,获得了准确率0.896、损失值0.25的训练结果。最后,用卷积神经网络对200个心音信号样本进行测试,实验结果表明准确率达0.895,灵敏度为0.910,特异度为0.880。同其它算法相比,本文算法在准确率和特异度上有明显提高,证实了本文方法有效地提高了心音信号分类的鲁棒性和准确性,有望应用于机器辅助听诊。

生物医学工程学杂志要求:

{1}正文包括题目、摘要、关键词、引言、方法、结果、讨论、结论和参考文献等部分内容。

{2}本刊对来稿有修改权，不愿改动者，请事先说明。

{3}关键词：关键词应尽量从《汉语主题词表》中选用，并用封号相隔（3-6个为宜）。

{4}来稿请注明详细地址、电话和E-mail，便于通知联系。

{5}若需列出项目资助相关内容，均置于首页底部，并于论文题目后标出星号。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社