基于混合感知机网络的心音信号分类

根据不同类型心音数据的时频转换双谱图所呈现出的局部与全局分布特性与差异,提出了基于混合感知机网络模型的心音分类方法,旨在构建轻量级深度网络模型,并提升模型对双谱图的局部纹理和全局分布结构的感知能力。该方法首先对心音数据进行预处理以及时频转换,然后以转换双谱图为模型输入,将双谱图划分成大小相等的图像块,通过全连接层分别对各划分块进行预设的投影嵌入,学习各划分块的局部空间信息;其次,设计包含块内通道感知(Channel-Mixing,CM)与块间感知(Token-Mixing,TM)模块的混合感知层,分别学习高层次局部信息以及各划分块之间的区域相关性;最后通过交叉熵函数完成心音信号分类。实验表明,与其他深度模型相比,本文所提方法以较低的计算量取得了较高的分类精度。