通过频率选择和注意力机制提高深度学习呼吸声分析效果
摘要
accurate classification of respiratory sounds requires deep learning models 有效地 capture fine-grained acoustic features and long-range temporal dependencies。卷积神经网络 (CNN) 适合提取 local time-frequency patterns，但在 modeling global context 方面受限。相比之下，transformer-based models 能够 capture long-range dependencies，却计算要求更高。为解决这些限制，我们提出一种紧凑的 CNN-Temporal Self-Attention (CNN-TSA) 网络，将 lightweight self-attention 集成到 efficient CNN backbone 中。我们方法的核心是 Frequency Band Selection (FBS) 模块，抑制 noisy 和 non-informative frequency region，显著 improve accuracy and reduce FLOPs 最高可达 50%。我们还引入 age-specific models 以 enhance 在 diverse 患者群中的 robust。评估在 SPRSound-2022/2023 和 ICBHI-2017 肺部声音数据集上进行，CNN-TSA with FBS 在 SPRSound 上设下 new benchmark，在 ICBHI 上 achieve state-of-the-art performance，且计算 footprint 显著减小。此外，将 FBS 集成到 existing transformer baseline 中可在 ICBHI 上取得 new record，确认 FBS 作为一种 effective drop-in enhancement。这些结果表明我们的 framework enable 可靠的、适用于 resource-constrained 环境的 real-time respiratory sound analysis。
引用
@article{arxiv.2507.20052,
title = {Improving Deep Learning-based Respiratory Sound Analysis with Frequency Selection and Attention Mechanism},
author = {Nouhaila Fraihi and Ouassim Karrakchou and Mounir Ghogho},
journal= {arXiv preprint arXiv:2507.20052},
year = {2025}
}