1.一种用于心音分类的前馈卷积神经网络的构建方法,其特征在于包括如下步骤:步骤S1:对患者同步采集20s的心音信号和心电信号,采样频率5000Hz;
步骤S2:将所采集的时长20s的心音信号和心电信号通过窗函数截断成6‑7个片段;
步骤S3:从心电信号中提取周期标记,即使用R峰检测器与T波探测器对同步采集心音心电的信号进行位置标注,具体步骤为:S301:使用高通滤波器组对心电信号进行滤波,以消除极低频的变化;
S302:将预加重心电图与原心电图进行元素乘法,以获得更具脉冲形式的信号;
S303:进行信号能量计算和信号能量的振幅归一化;
S304:进行基于自相关的能量信号周期检测;
S305:进行信号中心动周期数的估计;
S306:设定信号峰值检测通过应用阈值;
S307:使用峰振幅比较和到周围峰的距离来消除杂散峰;
步骤S4:步骤S3获取周期标记后,进行分割以获得一个心动周期,称之为子周期;
步骤S5:计算所有子周期包络并以矩阵形式获得的时频特征,作为网络训练的样本集;
步骤S6:用S5所获样本集对卷积神经网络初始模型进行训练。
2.如权利要求1所述的用于心音分类的前馈卷积神经网络的构建方法,其特征在于所述的步骤S5中,子周期包络的计算步骤如下:步骤S501:利用卡尔曼滤波器组对PCG信号进行带通滤波;
步骤S502:利用希尔伯特变换计算解析信号进行包络检测;
步骤S503:将包络重新采样到特定的时间分辨率;
步骤S504:将应用的最终包络信号进行对数压缩;
步骤S505:进行所有包络被堆叠以获得像图像一样的时频表示;
步骤S506:将得到的矩阵被处理成具有零均值和归一化振幅。