Clasificación automática de sonidos cardíacos normales-anormales utilizando redes neuronales convolucionales y memoria a largo plazo-corto plazo
Autores: Chen, Ding; Xuan, Weipeng; Gu, Yexing; Liu, Fuhai; Chen, Jinkai; Xia, Shudong; Jin, Hao; Dong, Shurong; Luo, Jikui
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Clasificación automática de sonidos cardíacos normales-anormales utilizando redes neuronales convolucionales y memoria a largo plazo-corto plazo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Fonocardiograma
Enfermedad cardiovascular
Red neuronal
Modelo CNN-LSTM
Diagnóstico
Clasificación
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
El modelo CNN-LSTM proporcionó una buena precisión equilibrada general de 0,86 +/- 0,01 con una sensibilidad de 0,87 +/- 0,02 y una especificidad de 0,89 +/- 0,02.
Descripción
El modelo CNN-LSTM proporcionó una buena precisión equilibrada general de 0,86 +/- 0,01 con una sensibilidad de 0,87 +/- 0,02 y una especificidad de 0,89 +/- 0,02.