用于COVID-19检测的深度学习模型可解释性分析
音频与语音处理
2022-11-29 v1 计算与语言
机器学习
声音
摘要
在COVID-19大流行爆发期间，多个研究领域共同努力以减轻SARS-CoV-2造成的损害。本文对一种基于卷积神经网络的音频COVID-19检测模型进行可解释性分析。我们研究了哪些特征对模型决策过程重要，考察了语谱图、F0、F0标准差、性别和年龄。随后，我们通过为训练好的模型生成热力图来分析模型决策，以捕捉其在决策过程中的注意力。聚焦于可解释的人工智能（Artificial Intelligence）方法，我们表明在存在训练集中虚假数据的情况下，只要采取适当的预处理步骤，所研究的模型仍能做出无偏决策。我们的最佳模型检测准确率为94.44%，结果表明模型在决策过程中偏好语谱图，特别是语谱图中与韵律域相关的高能量区域，而F0也能实现高效的COVID-19检测。
引用
@article{arxiv.2211.14372,
title = {Interpretability Analysis of Deep Models for COVID-19 Detection},
author = {Daniel Peixoto Pinto da Silva and Edresson Casanova and Lucas Rafael Stefanel Gris and Arnaldo Candido Junior and Marcelo Finger and Flaviane Svartman and Beatriz Raposo and Marcus Vinícius Moreira Martins and Sandra Maria Aluísio and Larissa Cristina Berti and João Paulo Teixeira},
journal= {arXiv preprint arXiv:2211.14372},
year = {2022}
}
备注
14 pages, 4 figures