信号分解、特征提取与选择对肺音分类有效性的研究
声音
2020-12-23 v1 音频与语音处理
摘要
肺音指空气流经呼吸系统产生的声音。这些声音与大多数生物医学信号一样，是非线性和非平稳的。将正常肺音与异常肺音区分开是利用肺音进行疾病检测的重要部分。本文探讨了多种在无湿啰音与湿啰音肺音之间分类的方法。使用经验模态分解、集合经验模态分解和离散小波变换等分解方法，以及主成分分析和自编码器等若干特征提取技术，探究各类分类器在该任务上的表现。使用从Kaggle下载的包含不同质量胸部听诊的开放数据集来确定不同分解与特征提取组合的结果。发现当将高阶统计与频谱特征以及梅尔频率倒谱系数输入分类器时，获得最佳性能，其中kNN分类器准确率最高。此外，还证明使用特征选择方法组合可在不 adversely 影响分类器准确率的情况下显著减少输入特征数量。
引用
@article{arxiv.2012.11759,
title = {On the effectiveness of signal decomposition, feature extraction and selection on lung sound classification},
author = {Andrine Elsetrønning and Adil Rasheed and Jon Bekker and Omer San},
journal= {arXiv preprint arXiv:2012.11759},
year = {2020}
}