LungRN+NL：Mixupデータ拡張を用いた非局所ブロックResNetニューラルネットワークを活用した改善型不要音分類手法

自律的な付加肺音検出は、心音や運動アーティファクト、音声ノイズなどの影響を受けやすく、異なる分類間の差異が微細であるため、困難な課題である。本研究では、従来の手法および最先端モデルと比較して著しく性能向上を示す、新たな付加肺音分類モデル「LungRN+NL」を提案する。この新モデルは、ResNetアーキテクチャに非局所ブロック（non-local block）を組み込むことで、空間的な相関をより適切に捉える能力を獲得した。また、データの不均衡問題を緩和し、モデルのロバスト性を向上させるために、トレーニングデータの拡張手法としてMixup法を導入した。本モデルは、公式のICBHI 2017チャレンジデータセットおよび評価手法を用いて、最先端の手法と比較して実装・評価された。その結果、LungRN+NLは52.26%の性能スコアを達成し、最先端モデルと比較して2.1～12.7%の向上を示した。