用于训练基于深度学习的呼吸音分析模型的呼吸音标注软件开发
声音
2021-01-06 v1 人工智能
音频与语音处理
摘要
如果听到附加肺音，呼吸听诊可帮助医疗专业人员检测异常呼吸状况。基于深度学习的最先进人工智能技术在自动化呼吸音分析的开发中展现出巨大潜力。为训练基于深度学习的模型，需要大量正常呼吸音和附加音的准确标注。在本文中，我们展示了开发一款呼吸音标注软件的工作，以帮助标注者更准确、更快速地识别和标注吸气、呼气及附加呼吸音。我们的标注软件集成了 MATLAB Audio Labeler 的六项功能，以及一款商业音频编辑器 RX7。截至 2019 年 10 月，我们已标注了 9,765 个 15 秒长的肺部呼吸音音频文件，并累积了 34,095 个吸气标注、18,349 个呼气标注、13,883 个连续性附加音（CASs）标注和 15,606 个间断性附加音（DASs）标注，显著多于先前发表的研究。基于这些标注训练的卷积循环神经网络在吸气事件检测上取得了 86.0% 的 F1 分数，在 CASs 事件检测上为 51.6%，在 DASs 事件检测上为 71.4%，表现出良好性能。总之，我们的结果表明，我们提出的呼吸音标注软件可轻松预定义标签、执行一键标注，并从整体上促进准确标注的流程。该软件有助于开发需要大量标注声学数据的基于深度学习的模型。
引用
@article{arxiv.2101.01352,
title = {Development of a Respiratory Sound Labeling Software for Training a Deep Learning-Based Respiratory Sound Analysis Model},
author = {Fu-Shun Hsu and Chao-Jung Huang and Chen-Yi Kuo and Shang-Ran Huang and Yuan-Ren Cheng and Jia-Horng Wang and Yi-Lin Wu and Tzu-Ling Tzeng and Feipei Lai},
journal= {arXiv preprint arXiv:2101.01352},
year = {2021}
}
备注
6 pages, 2 figures, Accepted by International Forum On Medical Imaging In Asia (IFMIA 2021)