基于CNN-LSTM神经网络的声纹识别系统设计
随着人工智能的突破性进展和“互联网+”技术的普及，智慧医疗成为医疗技术发展的新引擎，诞生了一系列智能医疗服务产品，如智能药盒、智能手环等。但人工智能过高的成本导致寻找合适的切入方式显得尤为关键。在人口老龄化日益严重的当下，不断威胁老年人健康，引发社会广泛关注。由于医疗知识欠缺、行动不便等原因，部分老年人就医不及时，错过了抢救的黄金时间，留下永远的遗憾。开发心血管疾病方面的智能预警系统，满足庞大的老年人群体需求迫在眉睫。在医疗实践中，对心血管疾病的诊断常常以心率、心肺音数据为重要支撑，国内外以DSP、长短时记忆(Long Short Time Memory，LSTM)、卷积神经网络(Convolutional Neural Network，CNN)等方法算法为手段对心血管疾病的信号诊断进行了相当多的分析，但基本均停留在理论层面，距离软硬件结合的实际应用尚有差距。各种医疗设备的聚焦点主要是信号的准确采集、分离，基于医疗伦理等原因，对智能诊断设备的研制尚处于知识储备期，有巨大的空白亟需填补。本文设计了基于CNN-LSTM的心血管疾病预警系统，利用物联网技术采集心率和心肺音等健康指标数据，对老人的健康状况进行实时监测、预警，采用基于CNN-LSTM模型的智能算法对心肺音信号进行智能分析预警。系统着重考虑了适用性、稳定性和成本，具有较高的实用价值和完整的结构框架，是利用智慧医疗从应用层面解决心血管疾病问题的一次重要探索。
作者信息:
牟俊杰，姚 刚，孙 涛
(海军航空大学 岸防兵学院，山东 烟台264001)
声明：以上内容来源于网络，如有侵权请联系我们(123@shiyan.com)删除！
页:
[1]