33、预训练模型在心音检测中的应用与性能评估

预训练模型在心音检测中的应用与性能评估

1. 数据集介绍

1.1 PhysioNet/CinC 2016 数据库

PhysioNet 是复杂生理信号研究资源平台，于 1999 年在美国国立卫生研究院（NIH）的支持下成立。PhysioNet/CinC 2016 数据库是为 2016 年国际竞赛准备的，包含来自全球研究团队的 9 个心音集合，数据采集于不同临床和非临床环境，使用了多种设备。记录分为正常和异常两类，异常记录来自确诊心脏病患者。训练集和测试集不平衡，正常记录多于异常记录。记录长度不一，最短 5.3 秒，最长 122.0 秒，平均 20.8 秒，每个心音图（PCG）信号下采样到 2000 Hz。本研究使用公开训练集的 3240 个高质量实例，其中 2141 个来自大连理工大学心音数据库（DLUTHSDB），PCG 信号均从胸部二尖瓣位置采集。

1.2 CirCor DigiScope 数据集

CirCor DigiScope 数据集是最大的儿科心音数据集，在巴西伯南布哥州的两次心脏筛查活动中收集。共从 1568 名患者收集了 5282 条记录，其中 63% 是儿童，20% 是婴儿，8% 是孕妇。几乎所有受试者都在四个标准听诊点（PV、TV、AV、MV）采集了音频样本。本研究使用包含 3163 个实例的公共训练集，正常和异常数据分布均匀。所有样本在门诊环境中收集，存在各种背景噪声，自动分析该数据集具有挑战性。

2. 方法与实验设置

2.1 不同预训练模型的心音检测性能比较

• 模型配置 ：采用多种预训练模型，包括基线模型、PANNs