用于自动结核病筛查的咳嗽活动检测
音频与语音处理
2026-03-13 v1 机器学习
声音
摘要
通过确定音频中咳嗽段的起始和终止点，来自动识别咳嗽活动对于构建肺部疾病相关健康技术的可扩展筛查工具至关重要。我们提出将两种当前预训练架构应用于咳嗽活动检测任务。采用来自南非和乌干达社区护理中心自诊结核病（TB）患者的咳嗽录音数据集。当使用 XLS-R自动确定起始和终止点时，测试集平均精度达 0.96，受体-操作特征曲线下面积达 0.99。我们表明，通过仅利用网络前三层可实现最佳平均精度，该配置在降低计算和内存需求方面具有双重优势，对于基于智能手机的应用至关重要。该 XLS-R 配置在测试集平均精度上分别比音频谱图转换器（AST）和逻辑回归基线高出 9% 和 27%。此外，使用 XLS-R 自动隔离的咳嗽训练的下游 TB 分类模型在测试集中表现优于使用 AST 隔离的咳嗽训练的模型，仅在在地面实况咳嗽上训练的分类器稍逊一筛。我们得出结论，大型预训练转换模型是识别咳嗽终止点有效方法，且将其集成到筛查工具中是可行的。
引用
@article{arxiv.2603.11241,
title = {Cough activity detection for automatic tuberculosis screening},
author = {Joshua Jansen van Vüren and Devendra Singh Parihar and Daphne Naidoo and Kimsey Zajac and Willy Ssengooba and Grant Theron and Thomas Niesler},
journal= {arXiv preprint arXiv:2603.11241},
year = {2026}
}