《表3 CNN结构比较：基于CNN和RNN联合网络的心音自动分类》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于CNN和RNN联合网络的心音自动分类》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

针对CNN模型的结构，考虑到长条形的卷积更符合声谱图带状的特点，其提取特征的效果可能更好，因此本文比较了3×3和1×3，3×1的卷积的效果，为了实验简单快速，此处只利用CNN特征进行分类，在计算量和参数量几乎相同的情况下，模型训练5轮，两者的比较结果见表3，对照组采用3×3的卷积直接输出64通道的特征图，实验组采用先使用3×3的卷积输出32通道的特征图，然后再经过3×1和1×3的长条形卷积输出64通道的特征图。由于每个心音样本的预测准确率直接依赖于分割后各心音片段的预测准确率，因此这里的评价标准直接使用模型在验证集的判断准确率（下同）。通过比较准确率可知，添加长条形的卷积在心音的声谱图上确实有更好的表现。