生成された呼吸音を使用した敵対的微調整によるクラス不均衡の解消

深層生成モデルは、医療画像分野におけるデータ不足の問題を解決する有望な手法として注目を集めています。しかし、呼吸音のような時系列データへの応用はまだ十分に研究されていません。本研究では、オーディオ拡散モデルを条件付きニューラルボコーダーとして使用して、不均衡な呼吸音データを増幅する単純なアプローチを提案します。さらに、合成された呼吸音サンプルと実際の呼吸音サンプルの特徴量を合わせて、呼吸音分類の性能を向上させるための単純かつ効果的な敵対的微調整手法も示します。ICBHIデータセットでの実験結果から、提案した敵対的微調整手法が有効であることが確認されました。一方で、従来のデータ増幅手法のみを使用した場合、性能が低下することが示されました。また、当手法はベースラインに対してICBHIスコアで2.24%上回り、少数クラスの精度を最大26.58%向上させました。補足資料として、コードを以下のURLで提供しています: https://github.com/kaen2891/adversarial_fine-tuning_using_generated_respiratory_sound。