基于混合集训练用于听诊肺音与气管音分析的双用途深度学习模型
声音
2023-07-06 v2 机器学习
音频与语音处理
摘要
此前已开发了许多基于深度学习的计算机化呼吸音分析方法。然而,这些研究要么仅关注肺音,要么仅关注气管音。使用肺音分析算法处理气管音的效果如何,反之亦然,从未被研究过。此外,无人知晓在训练呼吸音分析模型时同时使用肺音和气管音是否有益。在本研究中,我们首先构建了一个气管音数据库HF_Tracheal_V1,包含10448段15秒气管音录音、21741个吸气标签、15858个呼气标签和6414个连续性异常音(CAS)标签。将HF_Tracheal_V1与我们此前构建的肺音数据库HF_Lung_V2进行组合(混合集)、先后使用(域适应)或单独使用,以训练卷积神经网络双向门控循环单元模型,用于肺音和气管音中的吸气、呼气及CAS检测。结果显示,仅用肺音训练的模型在气管音分析中表现不佳,反之亦然。然而,与阳性对照(仅用肺音训练并用于肺音分析的模型,反之亦然)相比,混合集训练或域适应改善了:1)肺音中吸气和呼气检测,以及2)气管音中吸气、呼气和CAS检测的性能。特别地,在混合集上训练的模型具有同时服务于肺音和气管音分析双重用途的灵活性。
引用
@article{arxiv.2107.04229,
title = {A Dual-Purpose Deep Learning Model for Auscultated Lung and Tracheal Sound Analysis Based on Mixed Set Training},
author = {Fu-Shun Hsu and Shang-Ran Huang and Chang-Fu Su and Chien-Wen Huang and Yuan-Ren Cheng and Chun-Chieh Chen and Chun-Yu Wu and Chung-Wei Chen and Yen-Chun Lai and Tang-Wei Cheng and Nian-Jhen Lin and Wan-Ling Tsai and Ching-Shiang Lu and Chuan Chen and Feipei Lai},
journal= {arXiv preprint arXiv:2107.04229},
year = {2023}
}
备注
To be submitted, 37 pages, 6 figures, 5 tables, 1 summplementary table