红色:用于呼吸阶段和偶然声音检测的专用变压器模型
Jianhong Wang1, Gaoyang Dong1, Yufei Shen1
1College of Information Engineering, Nanchang University, Nanchang, People's Republic of China.
Physiological measurement
|January 27, 2025
概括
本研究介绍了呼吸道事件检测变压器 (REDT),这是一种基于事件的方法,用于精确检测呼吸道声音事件. REDT显著改善了呼吸阶段和偶然声音的识别和定位.
科学领域:
- 肺部医学 肺部医学
- 生物医学信号处理
- 医疗保健中的人工智能
背景情况:
- 当前的呼吸声事件检测模型通常依赖于卷积神经网络的级预测,限制了准确性和端到端的训练.
- 基于框架的模型优先考虑框架级准确性,而不是事件级检测,并且需要后处理,阻碍了呼吸系统疾病的临床应用.
研究的目的:
- 提出基于事件的变压器方法,即呼吸事件检测变压器 (REDT),用于多类呼吸声事件检测.
- 使用端到端可训练模型,实现呼吸阶段和偶然的声音事件的有效识别和定位.
主要方法:
- 采用了变压器架构,用于对呼吸道声信号的时频分析,以提取基本特征.
- 将提取的特征转换为时间表示,用于声音事件检测,预测事件位置和类别.
主要成果:
- 在HF_Lung_V1数据集上验证,获得F1得分为灵感的90.5%,到期的77.3%,连续的偶然声音的78.9%,不连续的偶然声音的59.4%.
- 在检测和定位呼吸系统事件方面表现出显著的性能.
结论:
- REDT方法提供了一种强大而高效的方法来检测呼吸道声音事件.
- 基于事件的变压器模型显示了改善呼吸系统疾病的诊断和监测的前景.
