基于呼吸与咳嗽音频的端到端COVID-19检测
声音
2021-02-17 v1 机器学习
音频与语音处理
摘要
我们的主要贡献如下：（I）我们展示了首次尝试利用众包音频样本数据集通过端到端深度学习诊断COVID-19，取得了0.846的ROC-AUC；（II）我们的模型——COVID-19识别ResNet（CIdeR）——具有快速扩展、极低成本和随数据增多而提升性能的潜力，可支持人群规模的常规COVID-19检测；（III）我们引入了一种使用自定义深度神经网络从联合呼吸与咳嗽表示诊断COVID-19的新建模策略；（IV）我们发布了四个分层折用于跨参数优化及在标准公共语料上的验证，并提供模型细节以保证可复现性与未来参考。
引用
@article{arxiv.2102.08359,
title = {End-2-End COVID-19 Detection from Breath & Cough Audio},
author = {Harry Coppock and Alexander Gaskell and Panagiotis Tzirakis and Alice Baird and Lyn Jones and Björn W. Schuller},
journal= {arXiv preprint arXiv:2102.08359},
year = {2021}
}
备注
5 pages