研究人员比较了三种将原始心音音频转换为视觉声谱图以供卷积神经网络（CNN）分析的不同方法。该研究侧重于检测异常心音，发现所有三种方法在识别异常病例方面都达到了高灵敏度（约0.95）。然而，在PhysioNet准确性指标上，PCEN和一种多分辨率方法略优于标准的logmel声谱图。使用Grad-CAM的可视化表明，CNN主要关注关键心音发生的低频区域，这表明它学习到了相关的特征。 AI
影响 先进的音频到图像转换技术可以提高CNN在专业诊断应用中的性能。
排序理由 详细介绍机器学习任务信号处理技术比较研究的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
