EIHW-MTG DiCOVA 2021挑战赛系统报告
声音
2021-10-14 v1 机器学习
音频与语音处理
摘要
本文旨在通过分析与咳嗽中嵌入的声学信息来自动检测COVID-19患者。COVID-19影响呼吸系统,因此呼吸相关信号有可能包含用于当前任务的显著信息。我们专注于分析咳嗽样本的频谱图表示,旨在研究COVID-19是否改变了这些信号的频率内容。此外,本工作还评估了性别在COVID-19自动检测中的影响。为了提取频谱图的深度习得表示,我们比较了咳嗽专用的和Resnet18预训练卷积神经网络(CNN)的性能。另外,我们的方法探索了上下文注意力的使用,使模型能够学习突出由CNN提取的最相关深度习得特征。我们在DiCOVA 2021挑战赛咳嗽声音赛道发布的数据集上进行实验。测试集上的最佳性能由带有上下文注意力的Resnet18预训练CNN取得,其在80%灵敏度下获得了70.91的曲线下面积(AUC)。
引用
@article{arxiv.2110.06543,
title = {EIHW-MTG DiCOVA 2021 Challenge System Report},
author = {Adria Mallol-Ragolta and Helena Cuesta and Emilia Gómez and Björn W. Schuller},
journal= {arXiv preprint arXiv:2110.06543},
year = {2021}
}