МЕТОДЫ АНАЛИЗА И ОБРАБОТКИ БИОМЕДИЦИНСКИХ СИГНАЛОВ ПРИ ЗАБОЛЕВАНИЯХ ЛЁГКИХ

Abstract

Производительность модели глубокого обучения, а именно сверточная нейронная сеть, при различных комбинациях параметров и двух типах признаков подробно исследована в ходе экспериментов. В сочетании с двумя типами признаков подчеркиваются два параметра: длина кадра и процент перекрытия последовательных кадров. Спектрограмма и мелкочастотный спектральный коэффициент звуков легких используются в качестве признаков для сверточной нейронной сети соответственно. Результаты обучения и тестирования показывают, что существует значительная разница в производительности при различных комбинациях параметров и признаках. Из результатов видно, что процент перекрытия является параметром, чувствительным к производительности. Чем выше процент перекрытия, тем лучше общая производительность. Между тем, для более высокого процента перекрытия требуется больше вычислительных ресурсов и ресурсов хранения.