面向睡眠呼吸暂停筛查的召回率优先 CNN
声音
2025-10-02 v1 机器学习
音频与语音处理
摘要
睡眠呼吸暂停是一种常见且若不及时治疗会影响健康的严重睡眠相关呼吸障碍。目前筛查和诊断的传统方法是过夜多导睡眠监测。多导睡眠监测昂贵且耗时，不适用于大规模人群的筛查。本文探索了一种更易于获取的选项，即利用呼吸音录音识别呼吸暂停的迹象。我们利用了18个音频文件。该方法包括将呼吸声转换为频谱图、通过过采样呼吸暂停段落来平衡数据集，并对类别权重进行调整以减少对多数类别的偏见。该模型在呼吸暂停检测上达到了90.55%的召回率。有意地优先捕获呼吸暂停事件而非一般准确率。尽管精确率较低，但高召回率表明该方法作为低成本筛查工具具有潜力，可用于家中或基本临床环境，potentially帮助更早识别处于风险中的个体。
引用
@article{arxiv.2510.00052,
title = {A Recall-First CNN for Sleep Apnea Screening from Snoring Audio},
author = {Anushka Mallick and Afiya Noorain and Ashwin Menon and Ashita Solanki and Keertan Balaji},
journal= {arXiv preprint arXiv:2510.00052},
year = {2025}
}