基于迁移学习的肺音异常诊断与分析
声音
2023-03-16 v1 机器学习
音频与语音处理
摘要
随着能够收集和分析海量数据的计算机系统的发展,医学界正在建立若干非侵入式工具。本工作尝试开发一种非侵入式技术,通过机器学习技术识别由听诊器和语音录制软件采集的呼吸音。本研究提出一种经过训练与验证的基于CNN的方法来对呼吸音进行分类。我们构建每个音频样本的视觉表示,从而允许使用有效描述视觉信息的方法来进行资源识别与分类。我们采用了一种称为梅尔频率倒谱系数(MFCCs)的技术。在此,特征通过VGG16(迁移学习)提取并分类,并使用5折交叉验证完成预测。采用多种数据划分技术,在Respiratory Sound Database上取得了前沿结果,包括95%准确率、88%精确率、86%召回率和81%的F1分数。ICBHI数据集用于训练和测试该模型。
引用
@article{arxiv.2303.08362,
title = {Transfer Learning Based Diagnosis and Analysis of Lung Sound Aberrations},
author = {Hafsa Gulzar and Jiyun Li and Arslan Manzoor and Sadaf Rehmat and Usman Amjad and Hadiqa Jalil Khan},
journal= {arXiv preprint arXiv:2303.08362},
year = {2023}
}
备注
12 pages, 9 figures