vor 11 Tagen

AUCO ResNet: Ein end-to-end-Netzwerk zur Vorab-Screening von Covid-19 anhand von Husten- und Atemmustern

{Giuseppe Pirlo, Luigi Moretti, Donato Impedovo, Paolo Giglio, Vincenzo Dentamaro}

Abstract

Diese Studie präsentiert das Auditory Cortex ResNet (AUCO ResNet), ein biologisch inspiriertes tiefes neuronales Netzwerk, das speziell für die Klassifikation von Schallereignissen entwickelt wurde und insbesondere zur Erkennung von Covid-19 anhand von Audioaufnahmen von Husten- und Atemgeräuschen eingesetzt wird. Im Gegensatz zu anderen Ansätzen kann das Modell end-to-end trainiert werden, wodurch alle Module des Lernalgorithmus – Mel-ähnliche Filterdesign, Merkmalsextraktion, Merkmalsauswahl, Dimensionsreduktion und Vorhersage – mittels Gradientenabstieg optimiert werden. Das Netzwerk integriert drei Aufmerksamkeitsmechanismen: den Squeeze-and-Excitation-Mechanismus, den Convolutional Block Attention Module (CBAM) sowie einen neuartigen sinusförmig lernbaren Aufmerksamkeitsmechanismus. Diese Aufmerksamkeitsmechanismen ermöglichen die Fusion relevanter Informationen aus Aktivierungskarten auf verschiedenen Ebenen des Netzwerks. Das AUCO ResNet verarbeitet rohe Audio-Dateien als Eingabe und kann zudem die Merkmalsextraktion feinabstimmen. Dabei wird während des Trainings ein Mel-ähnlicher Filter entworfen, sodass die Filterbänke an frequenzspezifisch wichtige Bereiche angepasst werden können. Die Leistungsfähigkeit des AUCO ResNet wurde auf mehreren Datensätzen nachgewiesen und erzielte dabei state-of-the-art Ergebnisse. Zunächst wurde es an mehreren Datensätzen getestet, die Husten- und Atemgeräusche von Covid-19-Patienten enthalten. Diese Wahl basiert darauf, dass Husten und Atmung sprachunabhängig sind und somit eine generalisierende, über Datensätze hinweg gültige Validierung ermöglichen. Die Ergebnisse zeigen, dass der Ansatz als kostengünstiges, schnelles und ferngesteuertes Vorscreening-Tool für Covid-19 eingesetzt werden kann. Zudem wurde das Netzwerk am bekannten UrbanSound 8K-Datensatz evaluiert und erreichte dabei state-of-the-art Genauigkeit, ohne dass eine Datenpräverarbeitung oder Datenaugmentation erforderlich war.