基于深度神经网络利用床载加速度计测量进行咳嗽检测
机器学习
2022-05-12 v1 声音
音频与语音处理
摘要
我们基于附着在患者床上的加速度计测量进行了咳嗽检测。这种监测形式比身体附着加速度计传感器侵入性更小，并且规避了使用音频进行咳嗽检测时的隐私问题。在我们的实验中，我们编制了一个手动标注的数据集，包含来自结核病诊所 14 名成年男性患者的大约 6000 次咳嗽事件和 68000 次非咳嗽事件的加速度信号。作为分类器，我们考虑了卷积神经网络（CNN）、长短期记忆（LSTM）网络和残差神经网络（Resnet50）。我们发现所有分类器都能够以高准确率区分由咳嗽引起的加速度信号与由包括打喷嚏、清嗓和床上活动等其他活动引起的信号。Resnet50 表现最佳，在交叉验证实验中达到超过 0.98 的 ROC 曲线下面积（AUC）。我们得出结论，仅基于消费级智能手机中加速度计的测量实现高精度咳嗽监测是可能的。由于避免了收集音频因而隐私天然受到保护，且加速度计附着在床上而非佩戴，这种监测形式可能代表一种更方便且更易被接受的长程患者咳嗽监测方法。
引用
@article{arxiv.2102.04997,
title = {Deep Neural Network based Cough Detection using Bed-mounted Accelerometer Measurements},
author = {Madhurananda Pahar and Igor Miranda and Andreas Diacon and Thomas Niesler},
journal= {arXiv preprint arXiv:2102.04997},
year = {2022}
}
备注
It has been accepted in ICASSP, 2021. Copyright information is shown at the very first page