利用具有变化预训练域的对比学习从无标签数据中发现 COVID-19 咳嗽与呼吸模式
机器学习
2023-06-06 v1 声音
音频与语音处理
摘要
快速发现 COVID-19 等新疾病能够促成及时的流行病响应，防止大规模传播并保护公共健康。然而，针对此问题的研究努力有限。在本文中，我们提出一种基于对比学习的建模方法，用于从非 COVID 咳嗽中发现 COVID-19 咳嗽和呼吸模式。为验证我们的模型，使用四个大型音频数据集和一个图像数据集进行了大量实验。我们进一步探究了域相关性和增强顺序等不同因素对预训练模型的影响。我们的结果表明，所提模型能有效从无标签数据和有标签的非 COVID 咳嗽中区分 COVID-19 咳嗽和呼吸，准确率分别高达 0.81 和 0.86。本工作的发现将指导未来研究及早检测新疾病的爆发。
引用
@article{arxiv.2306.01864,
title = {Discovering COVID-19 Coughing and Breathing Patterns from Unlabeled Data Using Contrastive Learning with Varying Pre-Training Domains},
author = {Jinjin Cai and Sudip Vhaduri and Xiao Luo},
journal= {arXiv preprint arXiv:2306.01864},
year = {2023}
}
备注
Accepted by Proceedings of INTERSPEECH 2023