期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
多输入神经网络的肺气肿识别
1
作者
郭涛
古依聪
+2 位作者
刘启明
李成
石帅
《计算机与数字工程》
2025年第3期678-683,共6页
针对肺气肿的两种典型特征(喘鸣音和水泡音)采用多输入神经网络对其进行分类,达到判断是否患有高原肺气肿的目的。针对肺音数据,对其进行滤波降噪后采用梅尔谱图(Mel)、恒Q变换(CQT)、小波变换(WT)和短时傅里叶变换(STFT)四种谱图特征...
针对肺气肿的两种典型特征(喘鸣音和水泡音)采用多输入神经网络对其进行分类,达到判断是否患有高原肺气肿的目的。针对肺音数据,对其进行滤波降噪后采用梅尔谱图(Mel)、恒Q变换(CQT)、小波变换(WT)和短时傅里叶变换(STFT)四种谱图特征提取方式。并采用LBP和Mixup进行数据增强,输入多输入卷积神经网络(Mul-CNN)中进行肺音分类。得到肺音在使用WT和Mel作为输入时准确率为93.6%,特异率为92.3%,灵敏度为94%,ICBHI得分为93.1%。
展开更多
关键词
肺气肿
mul-cnn
LBP
Mixup
在线阅读
下载PDF
职称材料
题名
多输入神经网络的肺气肿识别
1
作者
郭涛
古依聪
刘启明
李成
石帅
机构
中北大学电子测试技术国家重点实验室
中国航天科技集团有限公司中国运载火箭技术研究院
出处
《计算机与数字工程》
2025年第3期678-683,共6页
基金
国家自然科学基金项目(编号:51975541)资助。
文摘
针对肺气肿的两种典型特征(喘鸣音和水泡音)采用多输入神经网络对其进行分类,达到判断是否患有高原肺气肿的目的。针对肺音数据,对其进行滤波降噪后采用梅尔谱图(Mel)、恒Q变换(CQT)、小波变换(WT)和短时傅里叶变换(STFT)四种谱图特征提取方式。并采用LBP和Mixup进行数据增强,输入多输入卷积神经网络(Mul-CNN)中进行肺音分类。得到肺音在使用WT和Mel作为输入时准确率为93.6%,特异率为92.3%,灵敏度为94%,ICBHI得分为93.1%。
关键词
肺气肿
mul-cnn
LBP
Mixup
Keywords
emphysema
mul-cnn
LBP
Mixup
分类号
TN912.3 [电子电信—通信与信息系统]
R563.1 [医药卫生—呼吸系统]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
多输入神经网络的肺气肿识别
郭涛
古依聪
刘启明
李成
石帅
《计算机与数字工程》
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部