利用 STFT 与微调 ResNet18 网络对肺音中的呼吸异常进行分类
音频与语音处理
2022-08-31 v1 声音
信号处理
定量方法
摘要
识别肺音中的模式对于检测和监测呼吸系统疾病至关重要。当前分析呼吸音的技术需要领域专家且易受主观解释影响。因此亟需一个准确且自动的呼吸音分类系统。本工作中，我们采用数据驱动方法对异常肺音进行分类。我们比较了三种不同特征提取技术的性能，即短时傅里叶变换（STFT）、梅尔谱图与 Wav2vec，以及三种不同分类器，包括预训练 ResNet18、LightCNN 与 Audio Spectrogram Transformer。我们的主要贡献包括对不同音频特征提取器与基于神经网络的分类器进行基准测试，以及实现使用 STFT 与微调 ResNet18 网络的完整流程。所提方法在 IEEE BioCAS 2022 呼吸音分类大挑战的测试集上，对任务 1-1、1-2、2-1 与 2-2 分别取得了 0.89、0.80、0.71、0.36 的调和分数。
引用
@article{arxiv.2208.13943,
title = {Classify Respiratory Abnormality in Lung Sounds Using STFT and a Fine-Tuned ResNet18 Network},
author = {Zizhao Chen and Hongliang Wang and Chia-Hui Yeh and Xilin Liu},
journal= {arXiv preprint arXiv:2208.13943},
year = {2022}
}