arXiv cs.AI· Abubakar Chilala, Cleophas Kadima, Innocent Anyaele, Victor Olufemi·· 14 小时前AI 评分31
低资源诊所离线呼吸音筛查：特征标准化比模型架构选择影响更大
Feature Scaling Beats Architecture Choice in Offline Respiratory Screening for Low-Resource Clinics
AI 导读
在1211段呼吸音片段（5类、201名患者、3.86:1类别不平衡）上，基于30个统计特征的SVM达到macro recall 0.78，与1.13M参数卷积循环网络的0.75-0.77无显著差异。
正文 · AI 翻译
摘要：深度模型是呼吸音分类的常见选择，但在没有 GPU 或网络连接的诊所中，这一选择需要付出代价。我们在一个包含 1,211 个音频片段（哮喘、COPD、肺炎、支气管性、健康）的五类呼吸音语料库上比较了经典分类器与深度分类器，该语料库来自 201 个患者组，类别不平衡比为 3.86:1，采用预注册的患者分组交叉验证（每种配置 25 次运行）。基于 30 个汇总特征（MFCC、ZCR 和 RMS 统计量）的 SVM 达到宏平均召回率 0.78，在最稀有类别上的召回率为 0.71。基于对数梅尔频谱图的 113 万参数卷积循环网络达到 0.75 至 0.77，模型家族之间未分辨出差异。我们测得的最大单一效应是预处理效应，而非架构效应。对 SVM 的特征进行标准化（RBF 核的常规步骤）使其宏平均召回率从 0.51 提升至 0.78，27 个百分点的波动幅度大于此处任何模型家族之间的差距。数据增强没有帮助：SMOTE、波形增强和 SpecAugment 均无可测量的效果。延迟不能区分这些模型（在仅用 CPU 的笔记本电脑上每个片段 51 至 74 毫秒），但经典模型避免了 449 MB 的 PyTorch 运行时。片段级划分会让同一患者的录音同时出现在训练集和测试集两侧，从而使宏平均召回率虚高 7.5 至 9.8 个百分点。录音来源与标签强相关（原生采样率与类别之间的 Cramer's V = 0.65），在一项探索性分析中，以某类别少数采样率录制的片段大多被分配到该采样率典型的类别；我们将这一混杂因素列为论文的主要局限性。
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI）；声音（cs.SD） |
| 引用为： | arXiv:2610.33030 [cs.LG] |
| （或 arXiv:2610.33030v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33030 由 DataCite 颁发 arXiv DOI |
提交历史
来自：Abubakar Chilala [查看电子邮件]
[v1]
2026年10月12日星期一 17:19:47 UTC（455 KB）
来源：arXiv cs.AI · arxiv.org