Классификация дыхательных шумов с использованием совместной настройки и стохастической нормализации

Компьютерные методы анализа дыхательных шумов полезны для поддержки компьютерной диагностики, хранения данных и мониторинга пациентов в отделениях интенсивной терапии. В настоящей работе предварительно обученные модели ResNet использовали в качестве базовых архитектур для классификации добавочных дыхательных шумов и заболеваний органов дыхания. Представление, сформированное предварительно обученной моделью, переносили с помощью стандартной тонкой настройки, совместной настройки, стохастической нормализации, а также сочетания совместной настройки и стохастической нормализации. Кроме того, для коррекции дисбаланса классов в наборе данных ICBHI и разработанном нами многоканальном наборе данных применяли аугментацию данных во временной и время-частотной областях. Для учёта различий в характеристиках записывающих устройств в наборе данных ICBHI также была введена коррекция спектра. В эксперименте предложенные системы в большинстве случаев превзошли все современные системы классификации добавочных дыхательных шумов и заболеваний органов дыхания на обоих наборах данных.