基于 CNN 的特征融合用于肺音和心音分类

由于音频数据的复杂性及其在时域和频域的动态特性，肺音或心音分类极具挑战性。在数据量较小或数据不平衡且噪声较高的情况下，检测肺部或心脏病变也十分困难。此外，数据质量是提高深度学习性能的一个重大瓶颈。在本文中，我们提出了一种名为 FDC-FS 的新型基于特征的融合网络，用于对心音和肺音进行分类。FDC-FS 框架旨在有效迁移基于音频数据集构建的三种不同深度神经网络模型的学习表征。所提出迁移学习的创新点在于将音频数据转换为图像向量，并将三个特定模型融合为一个更适合深度学习的模型。本研究使用了两个公开数据集，即来自 ICHBI 2017 challenge 的肺音数据和 heart challenge 数据。我们应用了数据增强技术（如噪声失真、音高变换和时间拉伸）来处理这些数据集中的部分数据问题。重要的是，我们从音频样本中提取了三种独特的特征，即 Spectrogram、MFCC 和 Chromagram。最后，我们通过输入由音频特征转换而来的图像特征向量，构建了三个最佳卷积神经网络模型的融合网络。与现有最先进成果相比，我们证实了所提出融合模型的优越性。FDC-FS 取得的最高准确率在基于 Spectrogram 的肺音分类中达到 99.1%，在基于 Spectrogram 和 Chromagram 的心音分类中达到 97%。