基于大语言模型的非负矩阵分解用于心肺杂音分离
计算机视觉与模式识别
2025-02-11 v1 机器学习
摘要
本研究首次将大语言模型 (LLM) 与非负矩阵分解 (NMF) 集成，标志着源分离领域的一种新进步。LLM 以两种独特方式被运用：通过提供详细见解来增强分离结果，以支持疾病预测；在反馈回路中运行，以优化添加到 NMF 成本函数中的基本频率惩罚。我们在两个数据集上测试了该算法：100 组合成混合信号以及来自临床模拟人造体的 210 组心肺杂音录音，包括单个和混合杂音，使用数字听诊器采集。该方法在所有指标上均一致优于现有方法，显示其显著提升医学杂音分析以支持疾病诊断的潜力。
引用
@article{arxiv.2502.05756,
title = {Exploring Visual Embedding Spaces Induced by Vision Transformers for Online Auto Parts Marketplaces},
author = {Cameron Armijo and Pablo Rivas},
journal= {arXiv preprint arXiv:2502.05756},
year = {2025}
}
备注
AAAI 2025 Workshop on AI for Social Impact: Bridging Innovations in Finance, Social Media, and Crime Prevention