利用音频信号中选定信息特征进行咳嗽检测
声音
2021-08-10 v1 人工智能
多媒体
摘要
咳嗽是呼吸系统和肺部疾病的常见症状。咳嗽检测对于预防、评估和控制如 COVID-19 等传染病十分重要。本文提出一种从咳嗽音频信号中检测咳嗽事件的模型。模型由 ESC-50 数据集与自行录制的咳嗽录音合并而成的数据集训练。测试数据集包含从瑞金医院呼吸科住院患者收集的住院患者咳嗽录音。我们基于分别由 Random Frog、无信息变量消除（UVE）和变量投影重要性（VIP）算法选定的不同特征数量，共构建 15 个咳嗽检测模型。最优模型基于 UVE 算法从梅尔频率倒谱系数（MFCC）特征中选出的 20 个特征，并使用支持向量机（SVM）线性二分类器分类。最佳咳嗽检测模型的准确率、召回率、精确率和 F1 值分别达到 94.9%、97.1%、93.1% 和 0.95。其以较少特征向量维数实现的优异性能显示了应用于智能手机等移动设备的潜力，从而使咳嗽检测实现远程与非接触式。
引用
@article{arxiv.2108.03538,
title = {Cough Detection Using Selected Informative Features from Audio Signals},
author = {Xinru Chen and Menghan Hu and Guangtao Zhai},
journal= {arXiv preprint arXiv:2108.03538},
year = {2021}
}
备注
6 pages, 3 figures