通过半监督机器学习增强肺部疾病诊断
音频与语音处理
2025-08-12 v2 机器学习
声音
摘要
包括肺癌和慢性阻塞性肺病 (COPD) 在内的肺部疾病是全球关注的重大健康问题。传统的诊断方法可能成本高昂、耗时且具有侵入性。本研究探讨了使用 MFCC+CNN 模型组合进行肺音信号检测的半监督学习方法。通过引入 Mix Match、Co-Refinement 和 Co Refurbishing 等半监督学习模块，我们旨在提高检测性能，同时减少对人工标注的依赖。加入半监督模块后，MFCC+CNN 模型的准确率达到 92.9%，较基线模型提高了 3.8%。本研究通过解决个体差异、特征不足和标注数据等挑战，为肺音疾病检测领域做出了贡献。
引用
@article{arxiv.2507.16845,
title = {Enhancing Lung Disease Diagnosis via Semi-Supervised Machine Learning},
author = {Xiaoran Xu and In-Ho Ra and Ravi Sankar},
journal= {arXiv preprint arXiv:2507.16845},
year = {2025}
}