基于渐进式分层提取的多任务心脏杂音检测
李虎浩1
李世龙1
首都1
李莉2
赵启军3
潘帆1
1.四川大学 电子信息学院,成都 6100652.四川大学华西第二医院 儿童心血管科,成都 6100413.四川大学 计算机学院,成都 610065
摘要：针对现有杂音检测方法多局限于单一任务,未能充分利用心音信号间关联性的问题,本研究提出了一种基于渐进式分层提取(PLE)的多任务心脏杂音检测模型,可同时完成小片段心脏杂音检测与心音信号自动分割.该模型能通过共享底层特征,有效整合心音信号的时空信息,提高杂音检测和心音分割精度.在CirCor Digiscope dataset 2022 数据集上,该模型小片段杂音检测的平均召回率和平均F1 分数分别为 0.8033 和 0.6096;心音分割的平均召回率和平均F1 分数分别为 0.9160 和0.9100.该模型可为心脏杂音的检测与分析提供新的方法和思路,并为心血管疾病的早期筛查与诊断提供潜在的技术支持.
关键词：心脏杂音深度学习小片段杂音检测多任务学习渐进式分层提取
分类号：R318(医用一般科学)
资助基金：国家自然科学基金(62066042)四川省重点研发项目(2024YFFK0051)
论文发表日期：2025-10-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：9( 288-296 )
英文信息