التحسين المعادي باستخدام الأصوات التنفسية المُولَدة لمعالجة عدم التوازن بين الفئات

ظهرت النماذج التوليدية العميقة كأحد الطرق الواعدة في مجال الصور الطبية لمعالجة نقص البيانات. ومع ذلك، فإن استخدامها للبيانات المتسلسلة مثل أصوات التنفس لم يتم استكشافه بشكل كبير. في هذا العمل، نقترح طريقة مباشرة لتضخيم بيانات أصوات التنفس غير المتوازنة باستخدام نموذج توزيع صوتي كمولد عصبي مشروط. كما نوضح طريقة تعديل معاكس بسيطة ولكن فعالة لتوحيد الخصائص بين العينات الصوتية المصنعة والواقعية بهدف تحسين أداء تصنيف أصوات التنفس. تظهر نتائج تجاربنا على مجموعة بيانات ICBHI أن التعديل المعاكس المقترح فعال، بينما يؤدي استخدام طرق التضخيم التقليدية فقط إلى تدهور الأداء. بالإضافة إلى ذلك، يتفوق منهجنا على النموذج الأساسي بنسبة 2.24% في درجة ICBHI ويزيد دقة تصنيف الفئات الأقل تمثيلاً بنسبة تصل إلى 26.58%. بالنسبة للمادة الإضافية، نوفر الرمز البرمجي في الرابط https://github.com/kaen2891/adversarial_fine-tuning_using_generated_respiratory_sound.