软件工程与应用|基于预训练卷积神经网络的肺动脉压分类器研究

导读：

肺动脉高压是一种肺血管系统的梗阻性持续性疾病，通常与先天性心脏病相关，可诱发右心室功能衰竭，影响患者的生活质量和生命。肺动脉压力(PAP)是判定肺动脉高压的直接指标，现有的肺动脉压力测量技术侵入性大，使用不便，不适合频繁使用。一种无创、方便和定期监测肺动脉压力的方法对于肺动脉高压的早期预防和诊断至关重要。本研究的目的是提出并评估一种深度学习方法，用于从无创的光电容积脉搏波(PPG)信号中分类和评估肺动脉高压。利用采集的肺动脉压力值提取肺动脉压力类别标签，PPG信号用于训练和测试模型。基于216条数据记录，使用预训练卷积神经网络进行分类，实验结果表明，该模型的分类准确率为97.78%，表明基于PPG信号提取特征训练的模型在PAP分类中具有良好的性能。随着可穿戴设备从指尖捕捉PPG信号的发展和深度学习模型的出现，无创和方便的PAP预测将极大地有助于心血管疾病的早期预防。

基本信息：

基于预训练卷积神经网络的肺动脉压分类器研究

Research on Pulmonary Artery Pressure Classifier Based on Pre-Trained Convolutional Neural Network

作者：

张骞*, 马佩#：上海理工大学光电信息与计算机工程学院，上海

关键词:

深度学习；光电容积脉搏波；肺动脉压；卷积神经网络；Deep Learning；Photoplethysmography；Pulmonary Artery Pressure；Convolutional Neural Networks

项目基金：

国家自然科学基金61805143、81700548

原文链接：

https://www.hanspub.org/journal/PaperInformation.aspx?paperID=61964

内容简介：

在汉斯出版社《软件工程与应用》这本期刊中，有论文提出了一种利用光电容积脉搏波信号结合预训练卷积神经网络进行肺动脉压分类的新方法。

自卷积神经网络问世以来，出现过许多对其经典结构进行优化的CNN网络。GoogLeNet就是其中一种，是Szegedy在2015年提出的预训练卷积神经网络结构。GoogLeNet与AlexNet这类仅依靠加深网络结构进而改进网络性能的思路不同，它不仅在加深网络的同时，也在网络结构上进行创新，引入了Inception结构替代了传统卷积和激活函数的组合。这种网络结构的创新，更加有效地改善模型的分类性能。本文章基于GoogLeNet进行了部分改进，如添加Dropout层，对部分全连接层进行替换，以便更好匹配和训练本实验的数据，网络参数详见模型训练部分。

本文提出了一种基于光电容积脉搏波信号和预训练卷积神经网络的肺动脉压自动分类方法。该方法为无创、实时评估肺动脉压提供了有效工具。它尤其适用于持续监测肺动脉压，而不会给患者带来疼痛和风险。此外，这种方法可以很容易地应用于临床，这是下一步的工作。一旦在更大的数据集中进行演示，就可以更准确地训练模型。该模型还将与可穿戴设备相结合，实现无创、连续、低成本、使用方便的肺动脉高压监测系统，具有成为家庭监测设备的巨大潜力。

1.吴春彪. 基于两阶段全卷积神经网络的冠状动脉分割研究[J]. 计算机科学与应用, 2022, 12(4): 828-834.

https://doi.org/10.12677/CSA.2022.124084

2.张颖, 郑建国. 基于自注意力的门控卷积神经网络的要素类情感分类研究[J]. 计算机科学与应用, 2020, 10(11): 2064-2077.

https://doi.org/10.12677/CSA.2020.1011218

3.麦伟东, 陈冠, 叶伟杰. 基于卷积神经网络的细胞核智能分割研究[J]. 计算机科学与应用, 2018, 8(11): 1643-1649.

https://doi.org/10.12677/CSA.2018.811180

4.郑小柏, 崔岩, 刘兴林, 何雅芳. 基于实体描述和关系图卷积神经网络的实体分类研究[J]. 计算机科学与应用, 2020, 10(7): 1319-1326.

https://doi.org/10.12677/CSA.2019.107136

5.钟滢, 张悦. 基于卷积神经网络的子宫内膜癌分类问题[J]. 计算机科学与应用, 2021, 11(6): 1747-1754.

https://doi.org/10.12677/CSA.2021.116180

所属期刊

-Software Engineering and Applications-

《软件工程与应用》是一本开放获取、关注计算机软件领域最新进展的国际中文期刊，主要刊登软件架构、软件设计方法、软件领域建模、编程语言和软件工程、计算机网络、信息与通信安全等领域的文章，本刊支持思想创新、学术创新，倡导科学，繁荣学术，集学术性、思想性为一体，旨在为世界范围内的科学家、学者、科研人员提供一个传播、分享和讨论计算机软件领域内不同方向问题与发展的交流平台。