RespireNet：限られたデータ設定下における異常肺音の高精度検出を目的とした深層ニューラルネットワーク

呼吸音の聴診は、肺疾患のスクリーニングおよび診断に用いられる主要な手法である。デジタル式聴診器と組み合わせた自動解析技術は、致死的な肺疾患の遠隔スクリーニングを可能にする上で重要な役割を果たすことができる。深層ニューラルネットワーク（DNN）は、こうした課題に対して非常に有望な成果を示しており、当然の選択肢となる。しかしDNNは極めて大量のデータを必要とするため、現在最大規模の呼吸音データセットであるICBHIであっても、6,898回の呼吸サイクルにとどまっており、十分な性能を発揮するDNNモデルの学習には依然として不足している。本研究では、RespireNetと名付けたシンプルなCNNベースのモデルを提案するとともに、機器固有のファインチューニング、連結型オーギュメンテーション、空白領域の切り出し、スマートパディングといった一連の新規技術を導入することで、小規模なデータセットを効率的に活用できるようにした。本研究ではICBHIデータセット上で広範な評価を実施し、4クラス分類において従来の最先端手法を2.2%上回る性能を達成した。