心音数据集 —— 健康 or 异常二分类

心音数据集 —— 健康 or 异常二分类

1. Classification of Heart Sound Signal Using Multiple Features

https://github.com/yaseen21khan/Classification-of-Heart-Sound-Signal-Using-Multiple-Features-

• 音频数量：1000，200正常 + 800异常
• 类别划分：5类，每类200条
  • 正常：N
  • 主动脉狭窄：AS
  • 二尖瓣反流：MR
  • 二尖瓣狭窄：MS
  • 二尖瓣脱垂：MVP
• 采样率：8000HZ

---

2. BMD-HS-Dataset(BUET)

https://github.com/mHealthBuet/BMD-HS-Dataset

• 音频数量：864条心音记录，涵盖59名患者的8个胸部位置录音，每条持续20秒，采样率4kHZ
  • 健康：168条
  • 患病：695条
• 类别划分：6类，每条可同时归属于多个类别
  • N，AS，MR，MS
  • 主动脉返流：AR
  • 多瓣病：MD
• 每条录音伴随年龄、性别、是否吸烟、城乡居住等附加信息

---

3. PeterJ.Bentley-heartchallenge(取健康音频)

https://istethoscope.peterjbentley.com/heartchallenge/index.html

• Dataset A: iPhone用户使用iStethoscope Pro App收集的心音，包含背景噪声与真实应用场景
  • 176条，采样率4kHZ
    • N(31条)
    • 杂音: Murmur
    • 额外心音: Extra Heart Sound
    • 伪影: Artifact
• Dataset B: 临床环境中使用DigiScope数据听诊器采集，环境相对专业，噪声较低
  • 656条，采样率4kHZ
    • N(320条),Murmur
    • 期外收缩：Extrasystole

• 录音时长1s-30s不等

• 总462(?)条正常

---

4. PhysioNet/CinC Challenge 2016

https://physionet.org/content/challenge-2016/1.0.0/

• 音频总数：正常总数665条，异常总数2575条
• 录音时长：5s-120s
• 采样率：2000HZ

• 类别划分： 超过1000名受试者，包括成人与儿童; 环境多样，包括医院、家庭访问，具有真实噪声背景

  • 正常: Normal
  • 异常： Abnormal
• 噪声过多无法判断：Unsure

---

5. normal

通过耳机录制的心音，均为健康样本，共96条。

---

6. Heartbeat-Sounds(取健康音频)

https://www.kaggle.com/datasets/kinguistics/heartbeat-sounds

• 151条正常

---

7. CirCor DigiScope(取健康音频)

https://physionet.org/content/circor-heart-sound/1.0.3/

• 健康：2358
• 异常：606

---

总健康心音数：4100

总患病心音数：4676

---

数据集统一处理

clean_data.py

• 统一读取7个来源的数据集，0正常，1异常

• 训练集：验证集：测试集 = 7：1：2

• 音频数据：
  • 立体声，则仅保留一个声道；
  • 重采样至16kHz;
  • 带通滤波：20 ~ 400 Hz;
  • 裁剪、填充至10s;
  • 数据增强：
    • 随机遮蔽1600点：30%；
    • 加入轻微高斯噪声：30%；
    • 音量随机缩放：30%；
  • 保存为.npy

• 三通道RGB谱图：

  • 重采样至3kHz;

  • 随机裁剪、填充至8s，总计24000个采样点；

  • 双谱图 —— R通道

    使用现成的polycoherence工具

    https://github.com/trichter/polycoherence

    def compute_bispectrum(y, sr=1000):
        y = y[:2500]
        f1, f2, bi_spectrum = polycoherence(y, fs=sr, nfft=512, nperseg=128, noverlap=96, norm=None)
        bi_spectrum = np.log1p(np.abs(bi_spectrum))
        bi_spectrum = np.power(bi_spectrum, 0.5)
        bi_spectrum = (bi_spectrum - bi_spectrum.min()) / (bi_spectrum.max() - bi_spectrum.min() + 1e-9)
        return bi_spectrum
    

  • 短时傅里叶变化(STFT) —— G通道

    def compute_stft(y, sr=1000):
        f, t, Zxx = stft(y, fs=sr, nperseg=128)
        S = np.abs(Zxx)
        S = np.log1p(S)
        S = np.power(S, 0.7)
        S = (S - S.min()) / (S.max() - S.min() + 1e-9)
        return S
    

  • 梅尔频率倒谱系数(MFCC) —— B通道

    def compute_mfcc(y, sr=1000):
        mfcc = librosa.feature.mfcc(y=y, sr=sr, n_mfcc=40)
        mfcc = np.log1p(np.abs(mfcc))
        mfcc = (mfcc - mfcc.min()) / (mfcc.max() - mfcc.min() + 1e-9)
        return mfcc
    

  • 裁剪函数

    def crop_center(img, crop_size=128):
        h, w = img.shape
        top = max((h - crop_size) // 2, 0)
        left = max((w - crop_size) // 2, 0)
        return img[top:top + crop_size, left:left + crop_size]
    

  • 将三个通道的图谱进行裁剪，随后堆叠合并为RGB图像，即为最终图像模型的训练数据，如下为例：

    

最终文件夹结构：

aug_data: 音频对应npy

bispec_output: RGB谱图

netadata: 图像与音频对应关系

---