[论文解读] A Residual Network based Deep Learning Model for Detection of COVID-19 from Cough Sounds

Annesya Banerjee, Achal Nilhani|arXiv (Cornell University)|Jun 4, 2021

COVID-19 diagnosis using AI参考文献 21被引用 5

一句话总结

本文提出了一种基于ResNet-50的深度学习模型，利用音频数据的log-Mel频谱图对COVID-19咳嗽与非COVID-19咳嗽进行分类。该模型在DiCOVA Challenge 2021 Track-1数据集上进行训练，并通过CoughVid数据集进行数据增强，最终在测试集上取得了75.91%的AUC、80.49%的敏感度和62.50%的特异性，位列挑战赛第16名。

ABSTRACT

The present work proposes a deep-learning-based approach for the classification of COVID-19 coughs from non-COVID-19 coughs and that can be used as a low-resource-based tool for early detection of the onset of such respiratory diseases. The proposed system uses the ResNet-50 architecture, a popularly known Convolutional Neural Network (CNN) for image recognition tasks, fed with the log-Mel spectrums of the audio data to discriminate between the two types of coughs. For the training and validation of the proposed deep learning model, this work utilizes the Track-1 dataset provided by the DiCOVA Challenge 2021 organizers. Additionally, to increase the number of COVID-positive samples and to enhance variability in the training data, it has also utilized a large open-source database of COVID-19 coughs collected by the EPFL CoughVid team. Our developed model has achieved an average validation AUC of 98.88%. Also, applying this model on the Blind Test Set released by the DiCOVA Challenge, the system has achieved a Test AUC of 75.91%, Test Specificity of 62.50%, and Test Sensitivity of 80.49%. Consequently, this submission has secured 16th position in the DiCOVA Challenge 2021 leader-board.

研究动机与目标

• 开发一种低资源、基于深度学习的工具，用于通过咳嗽声音实现COVID-19的早期检测。
• 利用基于音频的特征将COVID-19阳性咳嗽与非COVID-19咳嗽进行分类。
• 通过使用开源咳嗽数据库对训练数据进行增强，以提高模型的泛化能力。
• 使用标准指标在DiCOVA Challenge 2021盲测数据集上评估模型性能。
• 为利用音频信号实现非侵入性、可扩展的呼吸系统疾病筛查做出贡献。

提出的方法

• 该模型采用预训练的ResNet-50架构，原设计用于图像分类，经调整后用于音频输入。
• 将音频样本转换为log-Mel频谱图，作为卷积神经网络进行特征提取的输入。
• 训练数据集结合了DiCOVA Challenge 2021 Track-1数据集与CoughVid数据集，以增加阳性样本的数量和多样性。
• 应用数据增强技术以提升模型在训练过程中的鲁棒性并减少过拟合。
• 使用标准深度学习优化方法和交叉熵损失函数进行模型训练与验证。
• 在DiCOVA Challenge 2021盲测数据集上，通过AUC、敏感度和特异性等指标评估模型性能。

实验结果

研究问题

• RQ1 基于ResNet-50的深度学习模型是否能够仅通过音频特征有效区分COVID-19与非COVID-19咳嗽？
• RQ2 使用CoughVid数据集进行数据增强如何影响模型在DiCOVA Challenge测试集上的性能？
• RQ3 该模型在DiCOVA盲测数据集中未见过的真实世界咳嗽音频样本上的泛化能力如何？
• RQ4 在低资源诊断环境下，该模型在保持高敏感度和特异性方面的能力如何？
• RQ5 log-Mel频谱图是否可作为识别咳嗽声音中细微呼吸系统异常的有效表征？

主要发现

• 该模型在合并的训练集与验证集上实现了平均98.88%的验证AUC。
• 在DiCOVA Challenge 2021盲测数据集上，该模型取得了75.91%的测试AUC。
• 系统表现出80.49%的测试敏感度，表明对阳性病例具有较强的检测能力。
• 测试特异性为62.50%，表明对非COVID-19病例的正确识别率中等。
• 该模型在DiCOVA Challenge 2021排行榜中位列第16名，展现出具有竞争力的性能。
• CoughVid数据集的整合显著提升了训练数据的多样性与模型的鲁棒性。