病理嗓音检测中针对信道效应的鲁棒性
机器学习
2018-12-04 v2 声音
音频与语音处理
机器学习
摘要
许多人患有嗓音障碍，这会对其生活质量产生不利影响。为此，一些研究者提出了基于嗓音信号的自动评估算法。然而，这些信号对录音设备敏感。事实上，信道效应是医疗健康机器学习中一个普遍存在的问题。在本研究中，我们提出了一种对信道效应鲁棒的病理嗓音检测系统。该系统基于双向 LSTM 网络。为提高对信道失配的性能鲁棒性，我们集成域对抗训练（DAT）以消除设备间的差异。当我们使用高质量麦克风记录的数据训练，并在无标签的智能手机数据上评估时，我们的鲁棒检测系统将 PR-AUC 从 0.8448 提升至 0.9455（在有目标样本标签时为 0.9522）。据我们所知，这是首次将无监督域自适应应用于病理嗓音检测的研究。值得注意的是，我们的系统不需要目标设备样本标签，从而可泛化至许多新设备。
引用
@article{arxiv.1811.10376,
title = {Robustness against the channel effect in pathological voice detection},
author = {Yi-Te Hsu and Zining Zhu and Chi-Te Wang and Shih-Hau Fang and Frank Rudzicz and Yu Tsao},
journal= {arXiv preprint arXiv:1811.10376},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216