DiCOVA-Net：基于深度残差网络利用声学诊断 COVID-19 的方法（面向 DiCOVA 2021 挑战赛）
声音
2022-05-05 v2 人工智能
机器学习
音频与语音处理
摘要
本文提出一种基于深度残差网络的方法，即 DiCOVA-Net，用于根据新冠咳嗽的声学录音识别 COVID-19 感染者。由于健康人远多于感染者，该分类问题面临数据不平衡的挑战。为提升模型对少数类（感染者）的识别能力，我们在模型中引入数据增强与代价敏感方法。此外，考虑该任务的特殊性，我们采用若干微调技术来调整预训练的 ResNet50。进而，为提升模型泛化能力，我们使用集成学习整合由不同随机种子生成的多个基分类器的预测结果。为评估所提 DiCOVA-Net 的性能，我们使用 DiCOVA 挑战赛数据集进行实验。结果表明，我们的方法在 AUC 上达到 85.43%，位居所有参赛队伍前列。
引用
@article{arxiv.2107.06126,
title = {DiCOVA-Net: Diagnosing COVID-19 using Acoustics based on Deep Residual Network for the DiCOVA Challenge 2021},
author = {Jiangeng Chang and Shaoze Cui and Mengling Feng},
journal= {arXiv preprint arXiv:2107.06126},
year = {2022}
}
备注
5 figures