使用卷积神经网络与变分自编码器处理不平衡数据以检测呼吸系统病理
计算机视觉与模式识别
2024-02-07 v1 图像与视频处理
摘要
本文旨在通过呼吸音检测病理。使用了 ICBHI（国际生物医学与健康信息学会议）基准数据集。该数据集由 920 个声音组成，其中 810 个为慢性疾病，75 个为非慢性疾病，仅 35 个为健康个体。由于数据集中超过 88% 的样本来自同一类别（慢性），在确定数据集类别不平衡后，我们提出使用变分卷积自编码器来生成新的标记数据，并采用其他众所周知的过采样技术。一旦完成预处理步骤，便使用卷积神经网络将呼吸音分类为健康、慢性和非慢性疾病。此外，我们进行了更具挑战性的分类，试图区分不同类型的病理或健康状态：URTI、COPD、支气管扩张、肺炎和细支气管炎。我们在三标签分类中达到了 0.993 的 F-Score，在更具挑战性的六分类中达到了 0.990 的 F-Score。
引用
@article{arxiv.2402.02183,
title = {Detecting Respiratory Pathologies Using Convolutional Neural Networks and Variational Autoencoders for Unbalancing Data},
author = {María Teresa García-Ordás and José Alberto Benítez-Andrades and Isaías García-Rodríguez and Carmen Benavides and Héctor Alaiz-Moretón},
journal= {arXiv preprint arXiv:2402.02183},
year = {2024}
}