1. 心音信号分类项目概述

去年在医疗AI领域工作时，我接触到一个有趣的需求：通过心音信号(PCG)自动识别心脏异常。这个看似简单的任务背后藏着不少门道——从信号采集到特征提取，再到模型训练，每个环节都可能成为项目成败的关键。经过三个月的反复试验，终于搭建出一套在MIT-BIH心音数据库上准确率达到92.3%的分类系统。今天就把这个过程中积累的实战经验（包括那些让我熬了通宵的坑）完整分享出来。

整套方案基于MATLAB环境开发，核心是用连续小波变换(CWT)将时域信号转为时频图，再结合GoogLeNet进行迁移学习。选择这个技术路线主要考虑两点：一是心音的时频特性比原始波形包含更多病理信息；二是医疗数据稀缺时，迁移学习比从头训练CNN更可靠。代码仓库已整理好关键脚本，从数据预处理到模型验证可以直接跑通。

2. 核心技术与工具选型

2.1 为什么选择CWT+CNN方案

传统心音分析常用MFCC或短时傅里叶变换(STFT)，但在实测中发现：

• 心音的S1、S2成分持续时间仅20-100ms，STFT的固定窗长难以兼顾时间/频率分辨率
• 杂音（如反流性杂音）往往具有特定频带特征，需要更精细的频域分析
• CWT的Morlet小波基与心音瞬态特征匹配度更高

通过以下MATLAB代码可以直观对比三种时频表示差异：

[pcg,fs] = audioread('normal.wav'); cwt(pcg,fs,'amor'); % 连续小波变换 spectrogram(pcg,256,250,256,fs); % 短时傅里叶变换 mfcc(pcg,fs); % MFCC特征

2.2 GoogLeNet的改造策略

原始GoogLeNet是为ImageNet设计的，直接用于心音分类需做三处关键修改：

1. 输入层调整为适应时频图尺寸（我用的224x224x3）
2. 替换最后的全连接层，输出节点改为异常类别数
3. 添加梯度裁剪层防止医疗数据中的离群点导致梯度爆炸

迁移学习采用分阶段训练策略：

net = googlenet; layers = net.Layers; layers(end-2) = fullyConnectedLayer(4); % 四分类任务 layers(end) = classificationLayer; options = trainingOptions('adam',... 'InitialLearnRate',1e-4,... 'MaxEpochs',20,... 'ValidationData',augimdsVal);

3. 完整实现流程

3.1 数据预处理关键步骤

心音数据预处理比普通音频更复杂，需要特别注意：

1. 分段标准化：用envelope函数计算包络，按心跳周期切分信号
2. 降噪处理：结合中值滤波和IIR陷波器消除50/60Hz工频干扰
3. 数据增强：通过时间拉伸(±10%)、添加高斯噪声(SNR=30dB)扩充样本

% 心音分段示例 [~,locs] = findpeaks(envelope(pcg),'MinPeakHeight',0.3); segments = arrayfun(@(x) pcg(locs(x):locs(x+1)),1:length(locs)-1,'Uni',0);

3.2 时频图生成技巧

将一维信号转为时频图时，这些参数最有效：

• 小波尺度：80-600Hz覆盖心音主要能量带
• 颜色映射：使用jet色图增强低频区对比度
• 尺寸归一化：所有图像resize到224x224并转换为RGB三通道

重要提示：避免使用默认的parula色图，其蓝-黄过渡会损失低频细节

4. 实战中的坑与解决方案

4.1 数据不平衡问题

MIT-BIH数据集中正常心音占比70%，直接训练会导致模型偏向多数类。我们采用：

• 分层抽样：确保每batch包含所有类别
• 类别权重：在loss函数中给少数类更高权重
• F1-score监控：比准确率更能反映真实性能

classWeight = 1./countcats(yTrain); weightedLoss = @(yTrue,yPred) crossentropy(yTrue,yPred,'Weights',classWeight);

4.2 过拟合应对策略

医疗数据量有限时，这些方法很管用：

1. 早停机制：验证loss连续3轮不下降即停止
2. 通道随机丢弃：对GoogLeNet的inception模块做通道级dropout
3. 混合精度训练：用16位浮点数减少随机性

5. 模型部署优化

5.1 轻量化改造

原始GoogLeNet有700万参数，通过以下方法压缩到1/10：

• 知识蒸馏：用大模型指导小模型训练
• 量化感知训练：8bit整数量化
• 层剪枝：移除最后两个inception模块

pruneNet = layerGraph(net); pruneNet = removeLayers(pruneNet,{'inception_5b','inception_5a'});

5.2 实时分类技巧

在嵌入式设备部署时，这三个优化立竿见影：

1. 预计算CWT核：减少75%计算量
2. 滑动窗口机制：避免重复处理重叠段
3. 双缓冲策略：当前段处理时采集下一段

最终在树莓派4B上实现200ms延迟的实时分类，关键是把MATLAB代码转为C++时：

• 用OpenCV替代image processing toolbox
• 调用Intel MKL加速矩阵运算
• 预分配所有内存避免动态分配

6. 扩展应用方向

当前框架稍作修改就能用于：

• 胎心音异常检测（需调整频带范围）
• 肺音分类（改用Mel尺度小波）
• 可穿戴设备上的心律失常预警

最近尝试将CWT替换为Synchrosqueezing变换，在微弱杂音检测上准确率又提升了3%。医疗AI的魅力就在于此——每个技术细节的改进，都可能转化为临床价值的提升。