arXiv cs.AI· Jiho Han, Adnan Shaout·· 10 小时前AI 评分20
ENACT-Heart：CNN 与 Transformer 集成的心音分类模型
ENACT-Heart -- ENsemble-based Assessment Using CNN and Transformer on Heart Sounds
AI 导读
ENACT-Heart 用双分支集成做心音分类：ViT 处理频谱图，CNN 处理波形与频谱质心可视化，两分支预测以固定权重加权平均融合。在 PASCAL 心音数据集上集成准确率达 97.52%，高于 ViT 的 93.88% 和 CNN 的 95.45%，宏 F1 为 0.94，额外心音召回率 0.74。该数据集上晚期融合相较两个单分支均提升了准确率与宏 F1。
正文 · AI 翻译
摘要：ENACT-Heart 是一个用于心音分类的双分支集成模型。Vision Transformer（ViT）处理频谱图图像，而卷积神经网络（CNN）处理来自同一录音的波形和频谱质心可视化。两个分支的预测通过固定、与输入无关的权重进行加权平均来组合。在 PASCAL 心音数据集上，该集成模型达到了 97.52% 的准确率，而 ViT 为 93.88%，CNN 为 95.45%。该集成模型在额外心音上的宏 F1 为 0.94，召回率为 0.74。在该数据集上，后期融合相对于两个单独分支均提高了准确率和宏 F1。
| 评论： | 7 页。修订了图表，澄清了固定权重后期融合的术语，更正了一处参考文献，缓和了表述，并将支撑材料重新组织为附录。添加了 arXiv 变更日志。无新实验 |
| 主题： | 声音（cs.SD）；人工智能（cs.AI）；音频与语音处理（eess.AS） |
| ACM 分类： | I.2.6; I.5.4; J.3 |
| 引用为： | arXiv:2502.16914 [cs.SD] |
| （或 arXiv:2502.16914v2 [cs.SD] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2502.16914 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiho Han [查看电子邮件]
[v1]
2025 年 2 月 24 日星期一 07:19:28 UTC（1,171 KB）
[v2]
2026 年 11 月 4 日星期三 06:36:56 UTC（507 KB）
来源：arXiv cs.AI · arxiv.org