曹昱、陳俐瑾、林子皓

本團隊致力於心音(Heart Sounds) 之訊號處理，包括自動化的第一心音(S1)與第二心音(S2)判讀及其於真實環境中判讀所面對的障礙，如背景噪音及心肺音混和的狀況。本團隊已有以下成果：(1) 成功準確的判斷S1與S2，不仰賴心音間距等其他資訊，同時為第一個利用深度學習方法進行心音訊號處理的研究團隊，發表論文獲得引用數87次。(2) 礙於現實環境中心音的錄製及含有噪音，因而影響辨識結果，本團隊設計出即使在雜訊的環境底下，仍可準確辨識S1與S2的 spectral restoration with multi-style training (SRMT) 方法，作為因應在真實環境中的狀況。(3) 現實中錄製心音時，往往會將肺音也一同錄製，形成心肺音混雜的聲音，因而難以進行心音的辨識。本團隊設計出以非監督式的 periodicity-coded deep autoencoder (PC-DAE) 方法進行心肺音的分離，且可在缺少純心音、純肺音、心肺音對稱的資訊、不需要人為標記的情況下，有效的區分心音與肺音，提供臨床診斷使用。結合以上三項設計，本團隊之成品可在有雜訊且心肺音混雜的情況下，精準的判定心音S1與S2。