May, 2023

从语音中感知启发事件：深度学习与语言学方法比较

HTML
PDF
TL;DR本研究比较了使用新型神经VRB算法和基于时间对齐的语言内容的IE检测从呼吸胸带传感器数据中检测吸气事件的方法。该研究提供了对VRB方法发展的新见解，并增加了语音呼吸行为的一般理解，同时证明了连续呼吸波形的重建方法VRBOLA的有效性。
发现论文，激发创造
  • 用于肺音呼吸相检测的卷积神经网络

    本研究利用深度学习算法和卷积神经网络对肺音记录进行呼吸相检测，并将算法检测出的呼吸相与两个有经验的肺音专家手动标注的呼吸相进行比较评估，结果显示算法检测出的和人工标注的呼吸相存在高度一致性，因此该算法适用于肺音记录中的呼吸相检测。

    Mar, 2019

  • 可穿戴设备中的呼吸音分类深度神经网络，通过患者特定模型调整实现

    本文旨在通过建立分類模型和策略識别呼吸声異常的方法来自動辨别呼吸和肺部疾病，提出使用深度 CNN-RNN 模型基于 Mel-spectrograms 进行呼吸声分类，并采用局部日志量化策略来减少模型权重的内存占用，该模型在 ICBHI'17 科学挑战呼吸声数据库的呼吸周期四级分类上达到 66.31% 的分数，在使用患者特定数据重新训练模型后，还能以 71.81% 的成绩进行交叉验证，而局部日志量化训练后的权重则能够显著降低内存需求，这种类型的患者特定再培训策略在开发可靠的长期自动患者监测系统特别是在可穿戴式医疗解决方案中可能非常有用。

    Apr, 2020

  • 肺音记录事件检测鲁棒且易解释的时态卷积网络

    本文提出一种基于 Temporal Convolution Networks 的轻量级呼吸音事件检测的框架，采用多分支结构和特征融合策略获取最显著的信息，能够在不同的长时间粒度下处理任意长度的音频，实时预测多种事件，并在公共数据集和实际应用场景中实现了排名第一的效果。

    Jun, 2021

  • 使用机器学习从语音信号中检测喉癌：一项可复现的文献综述

    该研究对使用机器学习和人工智能从语音记录中检测喉癌的当前文献进行了范围审查，并针对分类问题进行了二分法和多分类法的讨论和方法比较，最终使用迁移学习对三类病症与健康对照进行分类，获得了相似的结果。

    Jul, 2023

  • 优化音频增强对健康相关声音的对比学习

    通过使用自我监督学习框架SimCLR和Slowfast NFNet，我们对健康声学进行了对比学习，在各种健康应用中展现了更好的性能，同时深入分析了音频增强策略的有效性。发现组合使用增强策略可以产生超出每个策略单独应用时的协同效应。

    Sep, 2023

  • 基于无线耳机的呼吸运动实时监测：一种深度学习方法

    利用商品耳机实时监测呼吸频道和阶段以评估呼吸疗法的遵守情况的潜力。

    Apr, 2024

  • RepAugment：面向输入的表示层数据增强用于呼吸音分类

    探索预训练语音模型在呼吸音分类中的有效性，并提出了能够处理预训练语音波形的输入不可知表示级别增广技术。实验结果表明，该方法优于SpecAugment，在少数疾病类别的准确性上实现了显著改善，最高达到7.14%。

    May, 2024

  • BTS：基于元数据辅助的呼吸音分类的文本和声音模态的桥接

    通过利用呼吸音样本的元数据，我们引入了一个文本-音频多模态模型来改进呼吸音分类的性能，并且在治疗临床环境中部分元数据不可用的情况下也进行了研究验证。

    Jun, 2024

  • 开放性呼吸声基础模型：预训练和基准测试

    我们介绍了OPERA，这是第一个满足医疗应用需求的开放呼吸声基础模型预训练和基准系统，我们筛选了大规模的呼吸音频数据集，预训练了三个创新的基础模型，并构建了一个包含19个下游呼吸健康任务的基准，我们的预训练模型在16个任务中表现出优越性能，并且具有推广性，对于未见数据集和新的呼吸音频模态具有良好的泛化能力，这突显了呼吸声基础模型的巨大潜力，并鼓励更多使用OPERA进行呼吸音频研究加速的研究。

    Jun, 2024

  • 预训练基础模型揭示语音呼吸模式

    该研究利用机器学习和语音信号来估计呼吸频率，通过使用基于Wav2Vec2的预训练模型，可以获得低的均方根误差和高的相关系数，进而达到低的平均绝对误差。

    Jul, 2024