UFRC：基于众包咳嗽音频的可靠 COVID-19 检测统一框架
声音
2022-07-01 v2 机器学习
音频与语音处理
摘要
我们提出了一个统一系统，其核心组件包括数据增强、ImageNet 预训练的 ResNet-50、代价敏感损失、深度集成学习与不确定性估计，以利用声学证据快速且稳定地检测 COVID-19。为提升模型识别少数类（感染样本）的能力，引入了数据增强与代价敏感损失。在 COVID-19 检测挑战中，ImageNet 预训练的 ResNet-50 被证明有效。该统一框架还集成深度集成学习与不确定性估计，以融合多个基分类器的预测，从而提升泛化性与可靠性。我们使用 DiCOVA2021 挑战数据集进行了一系列测试来评估所提方法的有效性，结果表明本方法 AUC-ROC 达 85.43%，是一种有前景的 COVID-19 检测方法。该统一框架还证明音频可用于快速诊断不同的呼吸系统疾病。
引用
@article{arxiv.2204.07763,
title = {UFRC: A Unified Framework for Reliable COVID-19 Detection on Crowdsourced Cough Audio},
author = {Jiangeng Chang and Yucheng Ruan and Cui Shaoze and John Soong Tshon Yit and Mengling Feng},
journal= {arXiv preprint arXiv:2204.07763},
year = {2022}
}