用于肺音中呼吸相位检测的卷积神经网络
计算机视觉与模式识别
2019-04-18 v1
摘要
我们应用深度学习创建了一种用于肺音记录中呼吸相位检测的算法,并将该算法检测出的呼吸相位与两位经验丰富的肺音研究者手动标注的相位进行了比较。我们的算法使用以谱图为特征的卷积神经网络,无需显式指定特征。我们使用比既往文献更大的三个子集对算法进行了训练与评估。我们用两种方法评估了该方法的性能。首先,对一致呼吸相位的离散计数(采用一对边界框间50%重叠)显示,与肺音专家在吸气上平均一致率为97%,呼气上为87%。其次,一致时间占比(以秒计)给出的吸气伪kappa值(0.73-0.88)高于呼气(0.63-0.84),平均灵敏度为97%,平均特异度为84%。两种评估方法下,标注者与算法间的一致均显示算法达到人类水平性能。所开发的算法可有效用于肺音记录中的呼吸相位检测。
引用
@article{arxiv.1903.10251,
title = {Convolutional neural network for breathing phase detection in lung sounds},
author = {Cristina Jácome and Johan Ravn and Einar Holsbø and Juan Carlos Aviles-Solis and Hasse Melbye and Lars Ailo Bongo},
journal= {arXiv preprint arXiv:1903.10251},
year = {2019}
}