RespireNet: شبكة عصبية عميقة للكشف بدقة عن الأصوات الرئوية غير الطبيعية في بيئة بيانات محدودة

يُعدّ استماع الأصوات التنفسية الأداة الأساسية لفحص وتشخيص أمراض الرئة. ويمكن للتحليل التلقائي، بالتزامن مع استخدام الأدوات الاستماعية الرقمية، أن يلعب دورًا حاسمًا في تمكين الفحص عن بُعد للأمراض الرئوية القاتلة. وقد أظهرت الشبكات العصبية العميقة (DNNs) إمكانات كبيرة في معالجة هذه المشكلات، مما يجعلها خيارًا منطقيًا بديهيًا. ومع ذلك، فإن الشبكات العصبية العميقة تتطلب كميات هائلة من البيانات، أما أكبر مجموعة بيانات تنفسية متاحة، وهي ICBHI، فتحتوي فقط على 6898 دورة تنفسية، وهو حجم صغير جدًا لتدريب نموذج DNN مرضٍ. في هذا العمل، نقترح نموذجًا بسيطًا يستند إلى الشبكة العصبية التلافيفية (CNN)، إلى جانب مجموعة من التقنيات المبتكرة — مثل التأهيل الدقيق المخصص للجهاز، والتضخيم القائم على التسلسل، وقص المناطق الفارغة، والتزامن الذكي — مما يمكّننا من الاستفادة بكفاءة من مجموعة البيانات الصغيرة. وقد أجرينا تقييمًا واسع النطاق على مجموعة بيانات ICBHI، وحققنا تحسنًا بنسبة 2.2% مقارنة بأفضل النتائج المُحققة سابقًا في تصنيف أربع فئات.