面向鲁棒机器学习的统计设计与分析：来自 COVID-19 的案例研究
声音
2023-02-28 v2 机器学习
音频与语音处理
应用统计
摘要
自 2019 冠状病毒病（COVID-19）大流行早期以来，人们一直有兴趣使用人工智能方法基于声音音频信号（例如咳嗽录音）预测 COVID-19 感染状态。然而，现有研究在数据收集以及所提出预测模型性能评估方面存在局限。本文使用英国卫生安全局收集的数据集，严格评估了用于基于声音音频信号预测 COVID-19 感染状态的最先进机器学习技术。该数据集包含声学录音和广泛的研究参与者元数据。我们提供了关于测试基于声学特征分类 COVID-19 感染状态方法性能的指南，并讨论了如何将这些指南更普遍地推广到基于公共卫生数据集的预测方法的开发与评估中。
引用
@article{arxiv.2212.08571,
title = {Statistical Design and Analysis for Robust Machine Learning: A Case Study from COVID-19},
author = {Davide Pigoli and Kieran Baker and Jobie Budd and Lorraine Butler and Harry Coppock and Sabrina Egglestone and Steven G. Gilmour and Chris Holmes and David Hurley and Radka Jersakova and Ivan Kiskin and Vasiliki Koutra and Jonathon Mellor and George Nicholson and Joe Packham and Selina Patel and Richard Payne and Stephen J. Roberts and Björn W. Schuller and Ana Tendero-Cañadas and Tracey Thornley and Alexander Titcomb},
journal= {arXiv preprint arXiv:2212.08571},
year = {2023}
}