本文主要研究内容
作者黄玉丹（2019）在《交叉对比神经网络在心音分类预判中的研究》一文中研究指出：心音是心脏跳动周期中各个组织(瓣膜、心肌、血液)运动产生的声音,富含大量器官(心房、心室、大血管、瓣膜)的状态信息,我们可以通过监测血液循环产生的心音,在心血管疾病发生的初期有效开展治疗工作。考虑到我国幅员辽阔、医疗资源相对短缺的基本国情,心音的自动化听诊研究对我国的初级卫生保健工作有着重大意义。本研究结合了深度学习和基于信息的相似度度量理论(IB S),提出了一种新的网络结构——交叉对比神经网络(CCNN)。网络分为两个主要部分,第一部分通过深度网络提取特征,第二部分利用统计学理论度量特征向量之间的相似性进行分类。本研究改进了原始IBS理论中相似性的度量方法,提出了ModIBS理论,使CCNN能够借助深度学习的强大特征挖掘能力,在统计和物理假设的基础上,对动力学结构生成的信号进行分类。CCNN主要有以下几个主要特点:1.使用交叉对比的输入模式,一方面扩充了医学小数据集,另一方面引入了除信号内容信息之外的对比信息。2.利用统计度量的方法将先验知识引入到神经网络的训练过程中,使网络在统计学原理的支撑下,更加适应医学小数据集的训练。3.结构灵活易调整,特征抽取、距离度量部分方法的选择都非常丰富。这种新的网络结构使得它兼具深度网络和统计学习方法的优点,特征提取流程简单,蕴含信息丰富,在一定程度上克服了深度学习在医学应用中的困难(训练数据少,类间差异不明显等)。与传统的手工设计特征方法相比,CCNN中深度学习的引入可以简化特征提取流程,使用机器代替人工的特征设计。与传统的深度学习方法相比,统计学解释的加入使得整个过程更加容易理解,两两对比的方式带入了更多的信息,使得网络更加关注不同类别间的差异性特征。另外,组合数扩充了数据量,使得CCNN适用于数据难以获取,量级较小的医学诊断场景,有较强的应用潜力。本研究在PhysioNet/Cinc 2016心音数据集上实验了CCNN的效果,其敏感度为0.8346,特异性为0.9623,mAcc为0.8985。
Abstract
xin yin shi xin zang tiao dong zhou ji zhong ge ge zu zhi (ban mo 、xin ji 、xie ye )yun dong chan sheng de sheng yin ,fu han da liang qi guan (xin fang 、xin shi 、da xie guan 、ban mo )de zhuang tai xin xi ,wo men ke yi tong guo jian ce xie ye xun huan chan sheng de xin yin ,zai xin xie guan ji bing fa sheng de chu ji you xiao kai zhan zhi liao gong zuo 。kao lv dao wo guo fu yuan liao kuo 、yi liao zi yuan xiang dui duan que de ji ben guo qing ,xin yin de zi dong hua ting zhen yan jiu dui wo guo de chu ji wei sheng bao jian gong zuo you zhao chong da yi yi 。ben yan jiu jie ge le shen du xue xi he ji yu xin xi de xiang shi du du liang li lun (IB S),di chu le yi chong xin de wang lao jie gou ——jiao cha dui bi shen jing wang lao (CCNN)。wang lao fen wei liang ge zhu yao bu fen ,di yi bu fen tong guo shen du wang lao di qu te zheng ,di er bu fen li yong tong ji xue li lun du liang te zheng xiang liang zhi jian de xiang shi xing jin hang fen lei 。ben yan jiu gai jin le yuan shi IBSli lun zhong xiang shi xing de du liang fang fa ,di chu le ModIBSli lun ,shi CCNNneng gou jie zhu shen du xue xi de jiang da te zheng wa jue neng li ,zai tong ji he wu li jia she de ji chu shang ,dui dong li xue jie gou sheng cheng de xin hao jin hang fen lei 。CCNNzhu yao you yi xia ji ge zhu yao te dian :1.shi yong jiao cha dui bi de shu ru mo shi ,yi fang mian kuo chong le yi xue xiao shu ju ji ,ling yi fang mian yin ru le chu xin hao nei rong xin xi zhi wai de dui bi xin xi 。2.li yong tong ji du liang de fang fa jiang xian yan zhi shi yin ru dao shen jing wang lao de xun lian guo cheng zhong ,shi wang lao zai tong ji xue yuan li de zhi cheng xia ,geng jia kuo ying yi xue xiao shu ju ji de xun lian 。3.jie gou ling huo yi diao zheng ,te zheng chou qu 、ju li du liang bu fen fang fa de shua ze dou fei chang feng fu 。zhe chong xin de wang lao jie gou shi de ta jian ju shen du wang lao he tong ji xue xi fang fa de you dian ,te zheng di qu liu cheng jian chan ,wen han xin xi feng fu ,zai yi ding cheng du shang ke fu le shen du xue xi zai yi xue ying yong zhong de kun nan (xun lian shu ju shao ,lei jian cha yi bu ming xian deng )。yu chuan tong de shou gong she ji te zheng fang fa xiang bi ,CCNNzhong shen du xue xi de yin ru ke yi jian hua te zheng di qu liu cheng ,shi yong ji qi dai ti ren gong de te zheng she ji 。yu chuan tong de shen du xue xi fang fa xiang bi ,tong ji xue jie shi de jia ru shi de zheng ge guo cheng geng jia rong yi li jie ,liang liang dui bi de fang shi dai ru le geng duo de xin xi ,shi de wang lao geng jia guan zhu bu tong lei bie jian de cha yi xing te zheng 。ling wai ,zu ge shu kuo chong le shu ju liang ,shi de CCNNkuo yong yu shu ju nan yi huo qu ,liang ji jiao xiao de yi xue zhen duan chang jing ,you jiao jiang de ying yong qian li 。ben yan jiu zai PhysioNet/Cinc 2016xin yin shu ju ji shang shi yan le CCNNde xiao guo ,ji min gan du wei 0.8346,te yi xing wei 0.9623,mAccwei 0.8985。
论文参考文献
论文详细介绍
论文作者分别是来自南京大学的黄玉丹，发表于刊物南京大学2019-07-02论文，是一篇关于心音分类论文,卷积神经网络论文,理论论文,深度学习论文,交叉对比神经网络论文,南京大学2019-07-02论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自南京大学2019-07-02论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：心音分类论文; 卷积神经网络论文; 理论论文; 深度学习论文; 交叉对比神经网络论文; 南京大学2019-07-02论文;