一种基于深度集成学习的心音分类渐进式优化方法

摘要

心血管疾病高发，心音分析作为对期无损检测的手段，对早期诊断至关重要。传统方法依赖人工听诊，受主观影响较大，亟需高精度自动分类技术。本文提出一种基于深度集成学习的心音分类渐进式优化方法，包括优化降噪、心音分割、特征提取和心音分类四个阶段。首先，采用Coif5方法实现心音信号降噪，提升信噪比；其次，结合自适应阈值与贪心优化，实现心音有效分割，降低漏检率；再次，融合多种特征提取方法，提取时频域、二阶谱和梅尔频谱等多类特征，提升分类信息丰富度，以挖掘隐藏性高的生理信息，完整表达音频信号样本的个体差异性；最后，异质集成多种经典机器学习算法与多类型深度神经网络，构建了一种心音分类渐进式优化方法。实验结果表明，该方法提高了心音分类精度与鲁棒性，可为心血管疾病智能诊断提供有效支持，具有较好的应用前景。

关键词

心音分类 / 渐进式优化 / 深度学习 / 异质集成 / 特征融合