一种具有时空聚焦机制的深度学习架构用于检测呼吸异常
声音
2023-06-28 v1 音频与语音处理
摘要
本文提出一种应用于从呼吸音录音中检测异常的深度学习系统。我们的系统最初使用连续小波变换进行音频特征提取。该变换将呼吸音输入转换为呈现频谱与时域特征的二维谱图。随后，我们提出的受 Inception-残差骨干启发的深度学习架构执行时空聚焦与多头注意力机制以分类呼吸异常。在这项工作中，我们在 IEEE BioCAS 2023 挑战赛提出的基准 SPRSound（开源 SJTU 儿科呼吸音）数据库上评估我们所提出的模型。关于由平均分数与调和分数平均计算所得的 Score，我们的鲁棒系统在任务 1-1、1-2、2-1 和 2-2 中分别以 0.810、0.667、0.744 和 0.608 的 Score 取得了 Top-1 性能。
引用
@article{arxiv.2306.14929,
title = {A Deep Learning Architecture with Spatio-Temporal Focusing for Detecting Respiratory Anomalies},
author = {Dat Ngo and Lam Pham and Huy Phan and Minh Tran and Delaram Jarchi},
journal= {arXiv preprint arXiv:2306.14929},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2303.04104