基于对数谱图的深度学习心音分类

这篇论文非常有趣，它基于心音信号的对数谱图提出了两种心率音分类模型。我们都知道，在语音识别中广泛应用频谱图。这篇论文将心音信号作为语音信号处理，并且取得了很好的效果

对心音信号进行一致长度的分帧，提取其对数谱图特征，论文提出了长短期记忆(LSTM)和卷积神经网络(CNN)两种深度学习模型，根据提取的特征对心跳声进行分类。

心音数据集

影像学诊断包括心脏核磁共振成像(MRI)、CT扫描、心肌灌注成像。这些技术的缺点也很明显对现代机械、专业人员的要求高，诊断时间长。

论文使用的数据集是公共数据集，其中包含了1000个.wav格式的信号样本，采样频率为8 kHz。该数据集被分为5个类别，包括1个正常类别(N)和4个异常类别：主动脉瓣狭窄(AS)、二尖瓣反流(MR)、二尖瓣狭窄(MS)和二尖瓣脱垂(MVP)

主动脉瓣狭窄(AS)是指主动脉瓣太小、狭窄或僵硬。主动脉瓣狭窄的典型杂音是高音调的“菱形”杂音。

二尖瓣逆流（MR）是指心脏的二尖瓣无法正常关闭，导致血液回流到心脏而不是被泵出。在听诊胎儿心脏时，S1的声音可能很低（有时很响），直到S2时，杂音的音量会增加。由于S3之后的二尖瓣急流，可以听到短而隆隆的舒张中期杂音

二尖瓣狭窄(MS)是指二尖瓣受损不能完全打开。心音听诊显示二尖瓣狭窄早期S1加重，严重二尖瓣狭窄时S1软。随着肺动脉高压的发展，S2音将被强调。纯多发性硬化症患者几乎没有左室S3。

二尖瓣脱垂（MVP）是指心脏收缩时二尖瓣的小叶脱垂至左心房。MVP通常是良性的，但可能会引发二尖瓣反流、心内膜炎和脊索断裂等并发症。体征包括收缩期中期的咔嗒声和收缩期晚期的杂音（若存在反流）

预处理与特征提取

声音信号有不同的长度，因此需要固定每个记录文件的采样率。为了确保声音信号包含至少一个完整的心脏周期，我们将长度进行裁剪。根据成年人每分钟心跳65-75次，心跳周期约为0.8秒，我们将信号样本裁剪为2.0秒、1.5秒和1.0秒的段落

基于离散傅里叶变换(DFT)，将心音信号的原始波形转换为对数谱图。声音信号的DFT y(k)为Eq.(1)，对数谱图s定义为Eq.(2)。

式中，N为向量x的长度，ε = 10^(- 6)是一个小偏移量。部分心音样本的波形和对数谱图如下:

深度学习模型

1、LSTM

LSTM模型设计为2层直接连接，然后是3层完全连接。第三个完全连接的层输入softmax分类器。

2、CNN模型

根据上图所示，前两个卷积层之后是重叠的最大池化层。第三个卷积层直接连接到第一个全连接层。第二个全连接层提供给一个具有五个类标签的softmax分类器。在每个卷积层之后使用BN和ReLU

3、训练细节

结果

训练集占据了整个数据集的70%，而测试集则包含了剩余部分

当CNN模型片段持续时间为2.0 s时，准确率最高为0.9967;分割时间为1.0 s的LSTM准确率最低为0.9300。

CNN模型的整体准确率分别为0.9967、0.9933和0.9900，片段持续时间分别为2.0秒、1.5秒和1.0秒，而LSTM模型的这三个数字分别为0.9500、0.9700和0.9300

CNN模型在各个时间段的预测精度比LSTM模型更高

以下是混淆矩阵：

N类(Normal)的预测正确率最高，在5个案例中达到60个，而MVP类在所有案例中预测正确率最低。

LSTM模型输入时间长度为2.0 s，最长预测时间为9.8631 ms。分类时间为1.0 s的CNN模型预测时间最短，为4.2686 ms。

与其他SOTA相比，一些研究的准确率非常高，但这些研究仅仅涉及两个类别（正常和异常），而我们的研究则分为五个类别

与使用相同数据集的其他研究相比（0.9700），论文研究有了显著提高，最高准确率为0.9967。