AUCO ResNet : un réseau neuronal end-to-end pour le dépistage préalable du Covid-19 à partir de la toux et de la respiration

Cette étude présente le réseau neuronal profond inspiré par la biologie, appelé AUCO ResNet, spécifiquement conçu pour la classification sonore, et plus particulièrement pour la reconnaissance du Covid-19 à partir des enregistrements audio de toux et de respiration. Contrairement aux approches existantes, ce modèle peut être entraîné de bout en bout, permettant ainsi d’optimiser, par descente de gradient, l’ensemble des modules de l’algorithme d’apprentissage : conception de filtres semblables à la transformée de Mel, extraction de caractéristiques, sélection de caractéristiques, réduction de dimensionnalité et prédiction. Le réseau intègre trois mécanismes d’attention : le mécanisme de squeeze and excitation, le module d’attention par bloc convolutif, ainsi qu’un nouveau mécanisme d’attention sinusoïdale apprenable. Ces mécanismes d’attention permettent de fusionner efficacement les informations pertinentes provenant des cartes d’activation à différents niveaux du réseau. L’AUCO ResNet prend en entrée des fichiers audio bruts et est capable d’ajuster finement la phase d’extraction des caractéristiques. En effet, un filtre semblable à la transformée de Mel est conçu pendant l’entraînement, permettant ainsi d’adapter les banques de filtres aux fréquences les plus significatives. L’AUCO ResNet a démontré des performances de pointe sur de nombreux jeux de données. Il a d’abord été évalué sur plusieurs jeux de données contenant des enregistrements de toux et de respiration de patients atteints de Covid-19. Ce choix repose sur le fait que la toux et la respiration sont indépendantes de la langue, ce qui permet des tests inter-datasets avec pour objectif une généralisation robuste. Ces expérimentations montrent que l’approche peut être adoptée comme outil de dépistage préliminaire rapide, peu coûteux et à distance pour le Covid-19. Le réseau a également été testé sur le célèbre jeu de données UrbanSound 8K, où il a atteint une précision de pointe sans aucune prétraitement des données ni technique d’augmentation de données.