EZhouNet：一种基于图神经网络和锚点区间的呼吸音事件检测框架
声音
2025-09-05 v2 人工智能
音频与语音处理
摘要
听诊是早期诊断呼吸系统和肺部疾病的关键方法，依赖于熟练的医疗专业人员。然而，这个过程通常是主观的，不同专家之间存在差异。因此，涌现出大量基于深度学习的自动分类方法，其中大多数侧重于呼吸音分类。相比之下，对呼吸音事件检测的研究仍然有限。现有的声音事件检测方法通常依赖于帧级预测，然后进行后处理以生成事件级输出，这使得直接学习区间边界变得困难。此外，许多方法只能处理固定长度的音频，限制了它们对可变长度呼吸音的适用性。此外，呼吸音位置信息对检测性能的影响尚未得到广泛探索。为了解决这些问题，我们提出了一种基于图神经网络和锚点区间的框架，能够处理可变长度音频，并为异常呼吸音事件提供更精确的时间定位。我们的方法提高了呼吸音检测的灵活性和适用性。在 SPRSound 2024 和 HF Lung V1 数据集上的实验证明了所提出方法的有效性，并且结合呼吸位置信息增强了对异常声音的区分能力。参考实现可在 https://github.com/chumingqian/EzhouNet 获取。
引用
@article{arxiv.2509.01153,
title = {EZhouNet:A framework based on graph neural network and anchor interval for the respiratory sound event detection},
author = {Yun Chu and Qiuhao Wang and Enze Zhou and Qian Liu and Gang Zheng},
journal= {arXiv preprint arXiv:2509.01153},
year = {2025}
}