CNN结合改进频率小波切片变换的心音分类方法及系统

摘要

本公开提供了一种CNN结合改进频率小波切片变换的心音分类方法及系统，对获取的心音信号进行预处理，利用隐半马尔克夫模型找到各个心动周期的位置，进行每个心动周期信号的截取；利用改进频率切片小波变换将每个截取到的一维的心动周期信号转换成为二维时频图像；对获取的心音信号分别计算样本熵，并与预设样本熵阈值进行比对，当心音信号的样本熵大于预设样本熵阈值时，利用第一卷积神经网络根据二维时频图像进行网络训练和分类，否则，利用第二卷积神经网络根据二维时频图像进行网络训练和分类；首先利用样本熵分辨受到干扰程度不同的信号，再针对不同的信号利用不同的卷积神经网络模型进行分类，极大的提高了心音信号分类的准确性。