Lungmix：基于Mixup策略的肺部声音分类泛化方法
声音
2025-01-03 v1 机器学习
音频与语音处理
摘要
肺部声音分类在诊断肺部疾病方面发挥着关键作用。虽然深度学习模型在各种肺部声音数据集上表现出色，但我们的实验表明，训练于一个数据集的模型往往难以有效地泛化到其他数据集，主要由于数据收集和标注的不一致性。为解决这一局限，我们引入一种受Mixup启发的新型数据增强技术，称为Lungmix。Lungmix通过结合波形的浊度和随机掩码，基于语义含义插值标签来生成增强数据，帮助模型学习更具普适性的表征。针对三个数据集（ICBHI、SPR和HF）进行的全面评估表明，Lungmix显著提升了模型对未见数据的泛化能力。特别是，Lungmix将4类分类得分提升了最高3.55%，实现的性能相当于直接在目标数据集上训练的模型。
引用
@article{arxiv.2501.00064,
title = {Lungmix: A Mixup-Based Strategy for Generalization in Respiratory Sound Classification},
author = {Shijia Ge and Weixiang Zhang and Shuzhao Xie and Baixu Yan and Zhi Wang},
journal= {arXiv preprint arXiv:2501.00064},
year = {2025}
}
备注
4pages, 3 figures, conference paper