基于對數譜圖的深度學習心音分類
這是一篇很有意思的論文，他基于心音信號的對數譜圖，提出了兩種心率音分類模型，我們都知道：頻譜圖在語音識別上是廣泛應用的，這篇論文將心音信號作為語音信號處理，并且得到了很好的效果。
對心音信號進行一致長度的分幀，提取其對數譜圖特征，論文提出了長短期記憶(LSTM)和卷積神經網絡(CNN)兩種深度學習模型，根據提取的特征對心跳聲進行分類。
心音數據集
影像學診斷包括心臟核磁共振成像(MRI)、CT掃描、心肌灌注成像。這些技術的缺點也很明顯對現代機械、專業人員的要求高，診斷時間長。
論文使用的是公共數據集，由1000個。wav格式的信號樣本組成，采樣頻率為8 kHz。數據集分為5類，包括1個正常類(N)和4個異常類:主動脈瓣狹窄(AS)、二尖瓣反流(MR)、二尖瓣狹窄(MS)和二尖瓣脫垂(MVP)。
主動脈瓣狹窄(AS)是指主動脈瓣太小、狹窄或僵硬。主動脈瓣狹窄的典型雜音是高音調的“菱形”雜音。
二尖瓣返流(MR)是指心臟的二尖瓣沒有正常關閉，導致血液回流到心臟而不是被泵出。聽診胎兒心臟時，S1可能很低(有時很響)。直到S2，雜音的音量增加。由于S3后二尖瓣急流，可聽到短而隆隆聲的舒張中期雜音。
二尖瓣狹窄(MS)是指二尖瓣受損不能完全打開。心音聽診顯示二尖瓣狹窄早期S1加重，嚴重二尖瓣狹窄時S1軟。隨著肺動脈高壓的發展，S2音將被強調。純多發性硬化癥患者幾乎沒有左室S3。
二尖瓣脫垂(MVP)是指在心臟收縮期二尖瓣小葉脫垂至左心房。MVP通常是良性的，但并發癥包括二尖瓣反流、心內膜炎和脊索斷裂。體征包括收縮期中期的咔嗒聲和收縮期晚期的雜音(如果存在反流)。
預處理與特征提取
聲音信號有不同的長度。所以需要固定每個記錄文件的采樣率。長度被裁剪后使聲音信號包含至少一個完整的心臟周期。成年人每分鐘心跳65-75次，心跳周期約為0.8秒，所以信號樣本被裁剪為2.0-s, 1.5-s和1.0-s段。
基于離散傅里葉變換(DFT)，將心音信號的原始波形轉換為對數譜圖。聲音信號的DFT y(k)為Eq.(1)，對數譜圖s定義為Eq.(2)。
式中，N為向量x的長度，ε = 10^(- 6)是一個小偏移量。部分心音樣本的波形和對數譜圖如下:
深度學習模型
1、LSTM
LSTM模型設計為2層直接連接，然后是3層完全連接。第三個完全連接的層輸入softmax分類器。
2、CNN模型
如上圖所示，前兩個卷積層之后是重疊的最大池化層。第三個卷積層直接連接到第一個全連接層。第二個完全連接的層提供給具有五個類標簽的softmax分類器。在每個卷積層之后使用BN和ReLU。
3、訓練細節
結果
訓練集包含整個數據集的70%，測試集包含其余部分。
當CNN模型片段持續時間為2.0 s時，準確率最高為0.9967;分割時間為1.0 s的LSTM準確率最低為0.9300。
CNN模型的整體準確率分別為0.9967、0.9933和0.9900，片段持續時間分別為2.0 s、1.5 s和1.0 s，而LSTM模型的這三個數字分別為0.9500、0.9700和0.9300。
CNN模型比LSTM模型在各時段的預測精度更高。
混淆矩陣如下：
N類(Normal)的預測正確率最高，在5個案例中達到60個，而MVP類在所有案例中預測正確率最低。
LSTM模型輸入時間長度為2.0 s，最長預測時間為9.8631 ms。分類時間為1.0 s的CNN模型預測時間最短，為4.2686 ms。
與其他SOTA比較，一些研究的準確率非常高，但這些研究只進行了兩類(正常和異常)，而本研究分為五類。
與使用相同數據集的其他研究相比（0.9700），論文研究有了顯著提高，最高準確率為0.9967。
