طريقة تعزيز البيانات المستندة إلى نقل المجال لتصنيف التنفس التلقائي

أصبحت الاستماع التلقائي موضوعًا رئيسيًا في المجال الطبي من حيث التحليل التشخيصي والتنبؤي. يهدف الاستماع التلقائي إلى تحسين تصنيف الأصوات التنفسية المسجلة بواسطة الميكروفونات الطبية الإلكترونية (السماعة الإلكترونية). وقد بذل الباحثون جهودًا كبيرة في تطوير أساليب استماع ذكية لتحسين فعالية التعرف على الأصوات ودعم الأطباء، خاصةً مع استخدام تقنيات الشبكات العصبية العميقة في السنوات الأخيرة. وتعتمد أداء الأساليب القائمة على الشبكات العصبية العميقة (DNN) بشكل كبير على كمية البيانات. للأسف، حتى أكبر مجموعة بيانات عامة متاحة حاليًا للأصوات التنفسية، وهي مجموعة ICBHI، تحتوي فقط على 6898 دورة تنفسية بطول إجمالي لا يتجاوز 5.5 ساعات، مما يشكل عقبة أمام تحسين نماذج DNN بشكل أكبر. ولذلك، نقترح في هذا العمل طريقة لتعزيز البيانات (Data Augmentation) لتصنيف الأصوات التنفسية، حيث تُطبَّق عمليات تحويل المدخلات ونقل الميزات (Input Transformation and Migration). بالإضافة إلى ذلك، تم تحسين النموذج التقليدي الذي يُستخدم غالبًا في مجال الرؤية الحاسوبية ضمن هذا العمل. أظهرت النتائج التجريبية أن الطرق المقترحة لتعزيز البيانات تُحسّن أداء الفصل مقارنةً بالأساليب الأساسية. وبشكل خاص، يمكن تنفيذ طريقة تعزيز البيانات المقترحة بسهولة في الأنظمة الحالية للاستماع التلقائي.