使用视觉转换器进行咳声谱时间分析和自动检测
Keming Tan1, Jacky Smith2,3, Patrick Gaydecki1
1Department of Electrical and Electronic Engineering, The University of Manchester, Manchester, UK.
Digital health
|December 5, 2025
概括
这项研究开发了一种使用视觉转换器 (ViT) 和光谱时间分析的自动咳检测系统. 该系统在各种呼吸道疾病中实现了高精度,为客观咳监测提供了可扩展的解决方案.
科学领域:
- 呼吸系统医学 呼吸系统医学
- 人工智能的人工智能
- 信号处理 信号处理
背景情况:
- 临床咳评估是主观和低效的.
- 现有的自动咳检测缺乏通用性.
- 需要客观,可扩展的咳监测系统.
研究的目的:
- 开发和评估一个自动咳检测系统.
- 使用光谱时间分析和视觉转换器 (ViT) 模型.
- 在一个大而多样化的数据集上验证性能.
主要方法:
- 分析了来自雷达数据库的231条注释的24小时咳记录.
- 分段记录并转换为光谱图,优化了短期里叶变换 (STFT) 设置.
- 在两个阶段微调一个ViT模型:试点和全面的培训.
主要成果:
- 确定了最佳光谱参数:750ms段,128点,32点跳跃.
- 实现了高性能:F1得分为85.02%,灵敏度为83.64%,精度为86.44%,特异性为99.67%.
- 在各种诊断类别中表现出强的表现,如ILD,COPD,喘和慢性咳.
结论:
- 视觉转换器可以实现准确,可扩展的咳检测.
- 基于ViT的系统提供客观的,自动化的咳监测.
- 在一个更大,更多样化的数据集上,性能与CNN相美.


