用于呼吸音分类跨域适应的听诊器引导监督对比学习
声音
2023-12-18 v1 机器学习
音频与语音处理
摘要
尽管深度学习技术取得了显著进展，但由于可用数据的稀缺性，在肺音分类中取得令人满意的性能仍然是一项挑战。此外，呼吸音样本是从各种电子听诊器收集的，这可能会在训练模型中引入偏差。当测试数据集或实际场景中发生显著的分布偏移时，它会大幅降低性能。为了解决这个问题，我们引入了跨域适应技术，将知识从源域转移到不同的目标域。特别是，通过将不同的听诊器类型视为单独的域，我们提出了一种新颖的听诊器引导监督对比学习方法。该方法可以减轻任何与域相关的差异，从而使模型能够区分听诊器录音变化下的呼吸音。在 ICBHI 数据集上的实验结果表明，所提出的方法在减少域依赖性方面是有效的，并获得了 61.71% 的 ICBHI Score，比基线显著提高了 2.16%。
引用
@article{arxiv.2312.09603,
title = {Stethoscope-guided Supervised Contrastive Learning for Cross-domain Adaptation on Respiratory Sound Classification},
author = {June-Woo Kim and Sangmin Bae and Won-Yang Cho and Byungjo Lee and Ho-Young Jung},
journal= {arXiv preprint arXiv:2312.09603},
year = {2023}
}
备注
accepted to ICASSP 2024