基于分层谱图Transformer的呼吸音COVID-19检测
声音
2023-05-30 v2 机器学习
音频与语音处理
摘要
对COVID-19等流行 airborne 疾病的监测通常包含呼吸评估。尽管听诊是初步筛查疾病症状的主流方法，但其效用受到需专门赴院就诊的限制。基于便携设备记录呼吸音的远程监测是一种有前景的替代方案，可辅助早期评估主要累及下呼吸道的COVID-19。在本研究中，我们提出一种新颖的深度学习方法，根据咳嗽或呼吸音的音频记录区分COVID-19患者与健康对照。所提方法在呼吸音的谱图表示上利用一种新颖的分层谱图Transformer（HST）。HST在谱图的局部窗口上体现自注意力机制，且窗口尺寸随模型阶段渐进增大以捕获从局部到全局的上下文。HST与最先进的常规及深度学习基线进行了比较。在众包多国数据集上的结果表明，HST优于竞争方法，在检测COVID-19病例中达到超过83%的受试者工作特征曲线下面积（AUC）。
引用
@article{arxiv.2207.09529,
title = {COVID-19 Detection from Respiratory Sounds with Hierarchical Spectrogram Transformers},
author = {Idil Aytekin and Onat Dalmaz and Kaan Gonc and Haydar Ankishan and Emine U Saritas and Ulas Bagci and Haydar Celik and Tolga Cukur},
journal= {arXiv preprint arXiv:2207.09529},
year = {2023}
}