一种基于可解释频谱图的瓣膜心音深度学习进行心脏瓣膜病分类方法、装置及存储介质

本发明涉及一种基于可解释频谱图的瓣膜心音深度学习进行心脏瓣膜病分类方法、装置及存储介质。该方法将原始心音信号转换为定长单声道信号，经短时傅里叶变换、梅尔频带加权、分贝转换和像素值归一化得到对数梅尔频谱图；利用多个卷积处理单元和全连接层计算正常、主动脉瓣狭窄、二尖瓣反流、二尖瓣狭窄及二尖瓣脱垂的类别概率，并以概率最大的类别作为分类结果；根据目标类别分数和最终卷积特征图计算时频区域响应数据，根据背景参考频谱图计算输入频谱图中各像素的贡献值；使时频区域响应数据和像素贡献数据与输入频谱图采用一致的位置排列，并与分类结果共同输出。本发明实现了心脏瓣膜病的端到端分类，并提供与输入坐标对齐的可解释性数据。