应用于呼吸音异常预测的深度学习框架
机器学习
2020-12-29 v1 计算机视觉与模式识别
声音
音频与语音处理
摘要
本文提出一种用于呼吸周期异常分类的鲁棒深度学习框架。最初，我们的框架始于前端特征提取步骤。该步骤旨在将呼吸输入声音转换为二维频谱图，其中频谱与时域特征均得以良好呈现。接着，应用C-DNN与自编码器网络的集成将呼吸异常周期分类为四类。本工作中，我们在2017年国际生物医学健康信息学会议（ICBHI）基准数据集上进行了实验。结果，我们取得了具有竞争力的性能，ICBHI平均得分为0.49，ICBHI调和得分为0.42。
引用
@article{arxiv.2012.13668,
title = {Deep Learning Framework Applied for Predicting Anomaly of Respiratory Sounds},
author = {Dat Ngo and Lam Pham and Anh Nguyen and Ben Phan and Khoa Tran and Truong Nguyen},
journal= {arXiv preprint arXiv:2012.13668},
year = {2020}
}
备注
5 pages, 2 figures, 8 tables