[論文レビュー] Training one model to detect heart and lung sound events from single point auscultations

Leander Melms, Robert R. Ilesan+12 more|arXiv (Cornell University)|Jan 15, 2023

Phonocardiography and Auscultation Techniques被引用数 4

ひとこと要約

本論文では、聴診部位やデバイスに依存しない、1点聴診からの心音および肺音イベントを同時に検出できる1つのディープラーニングモデルを学習するための半教師付きマルチタスク学習手法を提案する。専門家用の単一タスクモデルから得られる偽ラベルを用いたバックグラウンドイベントと、真のラベルデータを組み合わせることで、統合モデルは6クラスでマクロF1スコア39.2％を達成し、単一タスクベースラインと比較して6.7％高い性能を示した。これにより、任意の場所からの心肺音の堅牢で一般化された検出が可能になった。

ABSTRACT

Objective: This work proposes a semi-supervised training approach for detecting lung and heart sounds simultaneously with only one trained model and in invariance to the auscultation point. Methods: We use open-access data from the 2016 Physionet/CinC Challenge, the 2022 George Moody Challenge, and from the lung sound database HF_V1. We first train specialist single-task models using foreground ground truth (GT) labels from different auscultation databases to identify background sound events in the respective lung and heart auscultation databases. The pseudo-labels generated in this way were combined with the ground truth labels in a new training iteration, such that a new model was subsequently trained to detect foreground and background signals. Benchmark tests ensured that the newly trained model could detect both, lung, and heart sound events in different auscultation sites without regressing on the original task. We also established hand-validated labels for the respective background signal in heart and lung sound auscultations to evaluate the models. Results: In this work, we report for the first time results for i) a multi-class prediction for lung sound events and ii) for simultaneous detection of heart and lung sound events and achieve competitive results using only one model. The combined multi-task model regressed slightly in heart sound detection and gained significantly in lung sound detection accuracy with an overall macro F1 score of 39.2% over six classes, representing a 6.7% improvement over the single-task baseline models. Conclusion/Significance: To the best of our knowledge, this is the first approach developed to date for measuring heart and lung sound events invariant to both, the auscultation site and capturing device. Hence, our model is capable of performing lung and heart sound detection from any auscultation location.

研究の動機と目的

• 聴診部位やデバイスに依存しない、1点聴診からの心音および肺音イベントを検出できる統合モデルの開発。
• 多モodalな肺音および心音検出における限られたアノテート済みデータの課題に対処すること。
• 専門家モデルから得られる偽ラベルを活用することで、一般化性能を向上させ、検出性能を改善すること。
• 1つのエンドツーエンドでトレーニング可能なモデルとして、聴診部位および記録デバイスに不変性を実現すること。
• 最小限の人為的アノテーションデータを用いて、肺音および心音イベントの同時多クラス検出のベンチマークを確立すること。

提案手法

• 本手法は、2016年PhysioNet/CinCチャレンジ、2022年George Moodyチャレンジ、HF_V1肺音データベースからのフォアグラウンド真のラベルを用いて、別個の単一タスクモデルを事前に学習することから始める。
• 訓練済みモデルを用いてバックグラウンド音声イベントを特定し、元のデータセットにラベルが付与されていないデータに対してその予測結果を偽ラベルとして用いる。
• 偽ラベルが付与されたバックグラウンドデータと元の真のラベルデータを統合し、統合的マルチタスクモデル用の拡張された新しいトレーニングセットを構築する。
• 統合モデルは、心音および肺音記録の両方において、フォアグラウンド（異常）およびバックグラウンド（正常）イベントの両方を検出するように学習する。
• モデル性能の独立的評価のため、心および肺聴診におけるバックグラウンド信号の手動バリデーションデータセットを構築する。
• 最終的なモデルは、聴診部位およびデバイスの違いを考慮した検出能力をベンチマークし、不変性を確認する。

実験結果

リサーチクエスチョン

• RQ1 1つのディープラーニングモデルが、異なる聴診部位およびデバイスにおいて、高い正確性で心音および肺音イベントを検出可能か？
• RQ2 低リソースなマルチモodal聴診データにおいて、バックグラウンドイベントの半教師付き偽ラベル付けが検出性能をどのように向上させるか？
• RQ3 共同マルチタスク学習が、単一タスクモデルと比較して個々のタスクの性能にどの程度悪影響を及えるか？
• RQ4 微調整や再トレーニングなしに、新しい聴診部位に一般化可能か？
• RQ5 偽ラベルが付与されたバックグラウンドデータと真のラベルデータを組み合わせることで、全体の検出F1スコアにどのような影響があるか？

主な発見

• 統合的マルチタスクモデルは、肺音および心音イベントの6クラスにおいてマクロF1スコア39.2％を達成し、単一タスクベースラインと比較して6.7％の向上を示した。
• モデルは肺音検出の正確性において顕著な向上を示した一方で、心音検出においても十分な性能を維持した。
• モデルは聴診部位および記録デバイスに対して不変性を示し、任意の1点からの検出が信頼性を持って可能であることを実証した。
• 専門家モデルから得られるバックグラウンドイベントの偽ラベル付けが、統合モデルの一般化性能を効果的に向上させた。
• 手動バリデーション済みのバックグラウンドラベルは、モデルが心および肺記録の両方における正常な生理的音を正しく同定できることを確認した。
• ベンチマーク評価により、モデルは元の単一タスク性能が低下していないことが確認され、半教師付きマルチタスクアプローチの有効性が裏付けられた。