HeAR——健康声学表示
机器学习
2024-03-06 v1 人工智能
摘要
健康声学声音（如咳嗽和呼吸）已知包含有用的健康信号，在监测健康和疾病方面具有巨大潜力，但在医学机器学习社区中尚未得到充分探索。现有的健康声学深度学习系统通常针对单一任务进行狭窄训练和评估，这受到数据限制，并可能阻碍向其他任务的泛化。为弥补这些差距，我们开发了HeAR，一个基于可扩展自监督学习的深度学习系统，使用掩码自编码器在包含3.13亿个两秒长音频片段的大规模数据集上进行训练。通过线性探测，我们在涵盖6个数据集的33项健康声学任务的基准测试上，将HeAR确立为最先进的健康音频嵌入模型。通过介绍这项工作，我们希望促进并加速进一步的健康声学研究。
引用
@article{arxiv.2403.02522,
title = {HeAR -- Health Acoustic Representations},
author = {Sebastien Baur and Zaid Nabulsi and Wei-Hung Weng and Jake Garrison and Louis Blankemeier and Sam Fishman and Christina Chen and Sujay Kakarmath and Minyoi Maimbolwa and Nsala Sanjase and Brian Shuma and Yossi Matias and Greg S. Corrado and Shwetak Patel and Shravya Shetty and Shruthi Prabhakara and Monde Muyoyeta and Diego Ardila},
journal= {arXiv preprint arXiv:2403.02522},
year = {2024}
}
备注
4 tables, 4 figures, 6 supplementary tables, 3 supplementary figures