[論文レビュー] Inception-Based Network and Multi-Spectrogram Ensemble Applied For Predicting Respiratory Anomalies and Lung Diseases

Lam Pham, Huy Phan+3 more|arXiv (Cornell University)|Dec 26, 2020

Phonocardiography and Auscultation Techniques参考文献 23被引用数 9

ひとこと要約

本論文では、肺音録音から呼吸器異常および肺疾患を検出するためのインセプションベースの深層ニューラルネットワークと、マルチスペクトログラムアンサンブルを組み合わせた手法を提案する。スケーログラムおよびガマトーングラムスペクトログラムを入力とし、特徴抽出および分類にインセプションアーキテクチャを採用することで、被験者独立の訓練・テスト分割を用いたベンチマークデータセットにおいて、呼吸器異常検出で0.53/0.45、肺疾患予測で0.87/0.85という競争力のあるICBHIスコアを達成し、最先端のシステムを上回った。

ABSTRACT

This paper presents an inception-based deep neural network for detecting lung diseases using respiratory sound input. Recordings of respiratory sound collected from patients are firstly transformed into spectrograms where both spectral and temporal information are well presented, referred to as front-end feature extraction. These spectrograms are then fed into the proposed network, referred to as back-end classification, for detecting whether patients suffer from lung-relevant diseases. Our experiments, conducted over the ICBHI benchmark meta-dataset of respiratory sound, achieve competitive ICBHI scores of 0.53/0.45 and 0.87/0.85 regarding respiratory anomaly and disease detection, respectively.

研究の動機と目的

• 肺音録音を用いた呼吸器異常および肺疾患の自動検出のための堅牢な深層学習フレームワークの開発を目的とする。
• 複数のスペクトログラム表現（スケーログラムおよびガマトーングラム）をアンサンブル学習によって統合することで、分類性能の向上を図ることを目的とする。
• 被験者独立の訓練・テスト分割を用いた標準化されたICBHIベンチマークデータセット上で、本手法の評価を実施し、先行研究との公平な比較を可能にする。
• インセプションベースのアーキテクチャが、スペクトログラムからの階層的特徴を効果的に捉える能力を有するかを検証することを目的とする。
• 本モデルの臨床的有用性、特に慢性および非慢性呼吸器疾患の早期診断への応用可能性を検証することを目的とする。

提案手法

• 波形およびギャマトーンフィルターバンクを用いて、呼吸音録音をスケーログラムおよびガマトーングラムスペクトログラムに変換することで、周波数的および時間的特徴を保持する。
• 提案されたインセプションベースのネットワークアーキテクチャ（Inception-01～Inception-04）は、異なるフィルターサイズを有する並列の畳み込みブランチを採用し、スペクトログラム内のマルチスケールパターンを捉える。
• 各畳み込みブロックの後続にバッチ正規化、ReLU活性化関数、マックスプーリング、ドロップアウト層を適用することで、学習の安定化と過学習の防止を図る。
• マルチスペクトログラムアンサンブルでは、異なるスペクトログラムタイプ（例：スケーログラムおよびガマトーングラム）で訓練されたモデルの確率を式（4）を用いて平均化することで、モデルの頑健性を向上させる。
• 平均化された確率出力を用いて尤度最大化（式3）を実行し、最終的な予測を生成する。
• 本システムは、公式コンテストプロトコルに従い、ICBHIメタデータセットを用いて60/40の被験者独立の訓練・テスト分割で学習および評価が行われた。

実験結果

リサーチクエスチョン

• RQ1 インセプションベースの深層ニューラルネットワークは、呼吸音スペクトログラムからの階層的特徴を、異常および疾患分類に有効に学習できるか？
• RQ2 スケーログラムおよびガマトーングラムといった複数のスペクトログラム表現をアンサンブル化することで、単一モodal入力に比べて分類性能が向上するか？
• RQ3 被験者独立の分割を用いた標準化されたICBHIベンチマークにおいて、本手法は最先端のシステムと比較してどのように性能を発揮するか？
• RQ4 Inception-01～Inception-04のアーキテクチャ変種の中で、呼吸器異常および肺疾患の検出において感度と特異度のバランスが最も優れているのはどれか？
• RQ5 マルチスペクトログラムアンサンブルは、多様な被験者録音に対して、モデルの一般化性能および頑健性をどの程度向上させるか？

主な発見

• インセプション-02アーキテクチャは、呼吸器疾患検出（タスク2）において最高のICBHI調和スコア0.85を達成し、ベースラインおよび大多数の最先端システムを上回った。
• ガマトーングラムおよびスケーログラムスペクトログラムのアンサンブルは、タスク1のICBHIスコア0.51/0.43を達成し、ベースラインをわずかに上回り、最良の単一モデルシステムと同等の性能を示した。
• 本手法はタスク1でICBHIスコア0.53/0.45を達成し、最先端モデルと同等の性能を示し、ベンチマーク上位のシステムの一つとなった。
• 2つのスケーログラムのアンサンブルはタスク2で0.72/0.71のスコアを達成し、マルチスペクトログラム統合が性能向上に寄与することを示したが、単体のインセプション-02モデルを上回ることはなかった。
• インセプション-01モデルは、個別のアーキテクチャの中でタスク1で最高のスコア0.52/0.43を達成し、異常検出における優れた一般化性能を示した。
• 結果から、スペクトログラムの多様性と深層学習アーキテクチャの統合が、検出精度の顕著な向上をもたらすことが確認され、自動呼吸音分析の臨床的潜在的可能性を裏付けるものとなった。