RespireNet：在有限数据设定下精确检测异常肺音的深度神经网络
声音
2021-05-10 v2 机器学习
音频与语音处理
摘要
呼吸音听诊是筛查和诊断肺部疾病的主要手段。结合数字听诊器的自动分析，可在致命性肺部疾病的远程筛查中发挥关键作用。深度神经网络（DNNs）在此类问题上展现出巨大潜力，是显而易见的选择。然而，DNNs 极其耗费数据，而最大的呼吸数据集 ICBHI 仅有 6898 个呼吸周期，对于训练一个令人满意的 DNN 模型而言仍然偏小。本文中，我们提出 RespireNet，一种基于简单 CNN 的模型，并配套一系列新技术——设备特定微调、基于拼接的增广、空白区域裁剪与智能填充——使我们能高效利用这一小规模数据集。我们在 ICBHI 数据集上进行了充分评估，并将四分类任务上的最优结果提升了 2.2%。
引用
@article{arxiv.2011.00196,
title = {RespireNet: A Deep Neural Network for Accurately Detecting Abnormal Lung Sounds in Limited Data Setting},
author = {Siddhartha Gairola and Francis Tom and Nipun Kwatra and Mohit Jain},
journal= {arXiv preprint arXiv:2011.00196},
year = {2021}
}
备注
Code visible at https://github.com/microsoft/RespireNet