856.
房颤作为一种严重的心律失常疾病,及早诊断至关重要。房颤的传统检查方法是由心脏科医生借助心电图、超声心动图等设备做出诊断结论。为了缓解传统诊断方法检查成本高、过多依赖临床经验和便捷性不足等问题,创新性地应用Kolmogo-rov-Arnold Network(KAN)来构建房颤心音分析模型。文中探索了KAN卷积在房颤心音识别中的应用,引入了具有灵活线性激活函数和优异参数效率的KAN卷积架构,提出了一种基于KAN卷积的端到端房颤心音识别模型。为提高信号的可用性,首先对心音信号进行预处理,包括心音分割、心音信号的质量评估和数据清洗;然后利用KAN的卷积层、池化层等自动学习;最后采用KAN卷积分类器进行识别研究。在特征提取阶段引入了KAN卷积的自注意力机制和焦点调制,以高效提取信号特征;在分类器阶段研究了KAN卷积的瓶颈结构和正则化手段,以提升模型的识别能力。该模型在中国人民解放军总医院第一医学中心的心音信号数据集上进行了正常和房颤的识别测试,准确率为97.86%,灵敏度为98.18%,特异度为97.43%,F
β值为98.06%。实验结果表明,KAN卷积模型在辅助诊断房颤信号上具有显著的优势。… …
相似文献