具有空间-通道重构卷积模块的肺音分类模型

摘要

目的 探究肺音数据的准确识别及分类。方法 本文提出了一种结合空间-通道重构卷积（SCConv）模块的卷积网络架构以及双可调Q因子小波变换（DTQWT）与三重Wigner-Ville变换（WVT）结合的肺音特征提取方法，通过自适应地聚焦于重要的通道和空间特征，提高模型对肺音关键特征的捕捉能力。基于ICBHI2017数据集，进行正常音、哮鸣音、爆裂音、哮鸣音和爆裂音结合的分类。结果 方法在分类的准确率、敏感性、特异性以及F1分数上分别达到85.68%、93.55%、86.79%、90.51%。结论所提方法在ICBHI 2017肺音数据库上取得了优异的性能，特别是在区分正常肺音和异常肺音方面。

关键词

肺音分类 / 卷积神经网络 / 空间-通道重构卷积 / 双可调Q因子小波变换 / 三重Wigner-Ville变换