听诊器音频中心跳异常识别数据集，数据集被分成两个来源，A和B set_a.csv——通过iPhone应用程序setatimingv .csv从公众中收集心跳的标签和元数据——包含Set A中“正常”录音的黄金标准计时信息。set_b.csv——使用数字听诊器音频文件从医院的临床试验中收集心跳的标签和元数据——长度在1秒到30秒之间，文件标签“正常”，空白(对于未标记的数据)，或各种类别的异常心跳,子标签在set_b中，一些录音被分类为噪声
2022-12-22 18:31:07
110.12MB
为了实现肺部病症信号的匹配识别，采用改进型自适应噪声的完全集合经验模态分解（ICEEMDAN）和多层感知机（MLP）相结合的肺音信号特征识别方法。采集肺音信号预处理后经过ICEEMDAN分解得到IMF分量并构造多维特征向量，输入多层感知机（MLP）对正常肺音、哮鸣音、干罗音和中湿罗音信号学习。测试结果表明，该分类方法比极限学习机（ELM）与BP神经网络匹配精准率更高，达到91.67%。
2022-08-03 20:03:42
1.93MB
1
基于智能听诊器，研究了心音信号采集与处理的新方法。心音采集部分包括传统的听诊头、耳机、微型麦克风及IC录音机。通过USB接口将采集的数据传输到计算机，并通过单自由度分析模型提取心音特征波形，计算心音特征值参数[ T1，T2，T11，T12〕，它们是心音特征波形与阀值THV之间形成的交叉点所确定的时间间隔，与第一心音和第二心音有关，可用来判别正常或异常心音。文中通过采集大量的临床心音数据对正常／异常心音案例进行解析，验证了心音特征波形法在心音自动解析中的有效性。
2021-11-23 22:24:26
274KB
1
老式的听诊器没有放大作用，声音微弱，塞在耳朵里很不舒服，不能隔离环境噪声，频率响应也不可调。本文提出的电子听诊器由于接有放大器，因此可将微弱的心跳声放大到清晰可闻的程度。电子听诊器除了能清晰监听病人的胸/腹声音外，还能用在搜索机械噪声源的定位等方面，其输出可用磁带录音机录下来供分析病情使用，或送入大功率的放大器另作他用。
2021-11-22 19:42:19
87KB
1