面向多呼吸情境下肺音异常分类的增强方法：轻量级多标签和多头注意力分类方法
声音
2024-07-16 v1 人工智能
音频与语音处理
摘要
本研究旨在开发一种辅助诊断系统，用于分类肺部呼吸音，通过创新的多标签学习方法和多头注意力机制来提高自动化异常呼吸音分类的准确性。针对现有呼吸音数据集中类别不平衡和样本多样性不足的问题，本研究采用一种轻量且高精度的模型，使用二维标签集表示多种呼吸音特征。我们的方法在 ICBHI2017 数据集上的四分类任务中实现了 59.2% 的 ICBHI 分数，展示了其在轻量级和高准确性方面的优势。该研究不仅提高了肺部呼吸音异常自动诊断的准确性，也为临床应用开辟了新的可能性。
引用
@article{arxiv.2407.10828,
title = {Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method},
author = {Yi-Wei Chua and Yun-Chien Cheng},
journal= {arXiv preprint arXiv:2407.10828},
year = {2024}
}