[论文解读] Assessment Of Audio Features For Automatic Cough Detection

Thomas Drugman, Jérôme Urbain+1 more|arXiv (Cornell University)|Aug 29, 2011

Respiratory and Cough-Related Research参考文献 10被引用 40

一句话总结

该论文仅使用音频记录对105种音频特征进行自动咳嗽检测评估，采用基于互信息的特征选择方法及三种分类器（ANN、GMM、SVM）。最佳性能由使用20个优化特征的高斯混合模型（GMM）实现，达到95.2%的敏感度和94.3%的特异度，表明精简的特征集可实现高精度、客观的咳嗽检测，适用于呼吸系统疾病监测。

ABSTRACT

Publication in the conference proceedings of EUSIPCO, Barcelona, Spain, 2011

研究动机与目标

• 开发一种基于音频记录的客观、自动化咳嗽检测方法，以支持囊性纤维化等呼吸系统疾病的临床评估。
• 利用信息论度量识别最具区分性且非冗余的音频特征，用于咳嗽检测。
• 在不同特征维度和复杂度下，比较人工神经网络（ANN）、高斯混合模型（GMM）和支持向量机（SVM）三种分类器的性能。
• 通过基于互信息的特征选择方法降低特征维度，同时不牺牲检测准确性。
• 为未来在多模态系统中实现真实环境中持续、动态的咳嗽监测提供支持。

提出的方法

• 提取了包含105种音频特征的综合集合，分为频谱内容（如MFCC、频谱质心、频谱通量）、噪声度量（如HNR、CPP、频谱平坦度）以及与语调相关的特征（如能量、基频、过零率）。
• 计算每个特征的一阶和二阶导数，以捕捉音频信号中的动态变化，增强时间敏感性。
• 采用基于互信息的度量评估特征的重要性、冗余性和互补性，实现有效的特征选择。
• 训练了三种分类器：隐藏层大小可变的人工神经网络（ANN）、可调成分数量的高斯混合模型（GMM），以及使用高斯核的支持向量机（SVM）。
• 使用基于互信息的特征选择算法降低特征维度，仅保留最具信息量的特征。
• 通过受试者工作特征（ROC）曲线和等错误率（EER）评估性能，报告最优配置下的真正率（TPR）和假正率（FPR）

实验结果

研究问题

• RQ1 在临床音频记录中，哪些音频特征对区分咳嗽与非咳嗽声音最具信息量且冗余度最低？
• RQ2 所选特征数量如何影响不同分类器在咳嗽检测中的性能？
• RQ3 在使用精简特征集时，哪种分类器——ANN、GMM或SVM——能达到最高的检测准确率？
• RQ4 在不降低检测性能的前提下，特征维度最多可降低到何种程度？
• RQ5 分类器复杂度（如神经元数量或高斯成分数量）如何影响检测准确率和泛化能力？

主要发现

• 使用16个高斯成分和20个选定特征的高斯混合模型（GMM）达到最佳性能，真正率（TPR）为95.20%，假正率（FPR）为5.73%，等错误率（EER）为7.48%。
• 仅使用20个特征（通过基于互信息的特征选择方法选出）即可实现与使用全部105个特征相当的性能，ANN的EER为7.94%，GMM的EER为7.48%。
• 人工神经网络（ANN）在使用64个神经元和105个特征时，TPR为94.27%，FPR为5.50%，EER为7.94%，但尽管复杂度更高，其性能仍低于GMM。
• 支持向量机（SVM）性能较差，TPR为81.87%，FPR为0.32%，EER高达18.13%，表明其在此任务中适用性有限。
• 特征维度的降低显著提升了效率，且性能损失极小，20个特征在所有分类器中均实现了接近最优的结果。
• 研究证实，GMM在基于音频的咳嗽检测中优于ANN和SVM，尤其在结合有效特征选择时表现更优。