用于高质量心音和肺音的噪声新生儿胸音分离
音频与语音处理
2022-10-24 v1 机器学习
声音
信号处理
摘要
听诊器记录的新生儿胸音为远程心肺健康监测提供了机会。然而,可靠的监测需要高质量的心音和肺音。本文提出新颖的非负矩阵分解(NMF)和非负矩阵共分解(NMCF)方法用于新生儿胸音分离。为评估这些方法并与现有单源分离方法比较,我们生成了一个由心音、肺音和噪声组成的人工混合数据集。随后计算这些人造混合信号的信噪比。这些方法还在真实世界噪声新生儿胸音上进行了测试,并基于生命体征估计误差以及我们在先前工作中开发的1-5信号质量评分进行评估。此外,评估了所有方法的计算成本以确定其实时处理的适用性。总体而言,所提出的NMF和NMCF方法在人工数据集上比次优的现有方法高出2.7dB至11.6dB,在真实世界数据集上信号质量提升0.40至1.12。发现10秒录音的胸音分离中值处理时间,NMCF为28.3秒,NMF为342毫秒。由于稳定且鲁棒的性能,我们相信所提方法可用于真实环境中对新生儿心音和肺音去噪。所提方法及现有方法的代码可在:https://github.com/egrooby-monash/Heart-and-Lung-Sound-Separation 找到。
引用
@article{arxiv.2201.03211,
title = {Noisy Neonatal Chest Sound Separation for High-Quality Heart and Lung Sounds},
author = {Ethan Grooby and Chiranjibi Sitaula and Davood Fattahi and Reza Sameni and Kenneth Tan and Lindsay Zhou and Arrabella King and Ashwin Ramanathan and Atul Malhotra and Guy A. Dumont and Faezeh Marzbanrad},
journal= {arXiv preprint arXiv:2201.03211},
year = {2022}
}
备注
12 pages, 4 figures, 3 tables. Paper submitted and under review for possible publication in IEEE