集成深度学习框架用于预测呼吸异常
声音
2022-01-11 v1 音频与语音处理
摘要
本文中，我们评估了多种用于从输入音频录音中检测呼吸异常的深度学习框架。为此，我们首先将患者采集的呼吸周期转换为同时呈现时域与频域特征的光谱图，称为前端特征提取。然后将光谱图输入后端深度学习网络，将这些呼吸周期分类为特定类别。最后，融合高性能深度学习框架的结果以获得最佳分数。我们在 ICBHI 基准数据集上的实验通过基于 inception 和基于迁移学习的深度学习框架的后期融合取得了 57.3 的最高 ICBHI 分数，优于当前最优系统。
引用
@article{arxiv.2201.03054,
title = {An Ensemble of Deep Learning Frameworks Applied For Predicting Respiratory Anomalies},
author = {Lam Pham and Dat Ngo and Truong Hoang and Alexander Schindler and Ian McLoughlin},
journal= {arXiv preprint arXiv:2201.03054},
year = {2022}
}