一种用于新生儿嘈杂胸音分离的非负矩阵协同分解新方法
音频与语音处理
2022-01-25 v1 机器学习
声音
信号处理
摘要
获取高质量心音与肺音可使临床医生准确评估新生儿的心呼吸健康并提供及时照护。然而，嘈杂的胸音记录十分常见，阻碍了及时准确的评估。本文提出一种基于非负矩阵协同分解 (Non-negative Matrix Co-Factorisation) 的新方法，将嘈杂胸音记录分离为心音、肺音与噪声分量以解决该问题。该方法通过以 20 段高质量心音和肺音进行训练，同时分离嘈杂记录中的声音来实现。该方法在 68 段包含心音与肺音的 10 秒嘈杂记录上进行了测试，并与当前最先进的非负矩阵分解 (Non-negative Matrix Factorisation) 方法比较。结果表明，与现有方法相比，心音与肺音质量评分分别显著提升，且心率与呼吸率估计精度分别提高 3.6 bpm 与 1.2 bpm。
引用
@article{arxiv.2109.03275,
title = {A New Non-Negative Matrix Co-Factorisation Approach for Noisy Neonatal Chest Sound Separation},
author = {Ethan Grooby and Jinyuan He and Davood Fattahi and Lindsay Zhou and Arrabella King and Ashwin Ramanathan and Atul Malhotra and Guy A. Dumont and Faezeh Marzbanrad},
journal= {arXiv preprint arXiv:2109.03275},
year = {2022}
}
备注
6 pages, 2 figures. To appear as conference paper at 43rd Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 1st-5th November 2021