利用深度学习与大型聚合数据集从咳嗽进行COVID-19分类
音频与语音处理
2022-03-31 v3 机器学习
声音
摘要
Covid-19大流行是近代史上最具破坏性的事件之一，已夺去全球逾500万人生命。即便疫苗已全球分发，显然仍需要负担得起、可靠且可及的筛查技术，以服务无法获得西方医学的地区。人工智能可提供一种利用咳嗽声作为COVID-19诊断主要筛查模式的解决方案。本文提出多个模型，其在当前学术文献所呈现的最大评估数据集上取得了相对可观的性能。通过对自监督学习模型(ROC曲线下面积，AUC = 0.807)与卷积神经网络(CNN)模型(AUC = 0.802)的探究，我们观察到有限数据集下存在模型偏置的可能。此外，我们观察到性能随训练数据规模而提升，显示了为以非传统手段助力抗击Covid-19大流行而需全球收集数据的必要性。
引用
@article{arxiv.2201.01669,
title = {Using Deep Learning with Large Aggregated Datasets for COVID-19 Classification from Cough},
author = {Esin Darici Haritaoglu and Nicholas Rasmussen and Daniel C. H. Tan and Jennifer Ranjani J. and Jaclyn Xiao and Gunvant Chaudhari and Akanksha Rajput and Praveen Govindan and Christian Canham and Wei Chen and Minami Yamaura and Laura Gomezjurado and Aaron Broukhim and Amil Khanzada and Mert Pilanci},
journal= {arXiv preprint arXiv:2201.01669},
year = {2022}
}