[论文解读] Heart Sound Classification Considering Additive Noise and Convolutional Distortion

Farhat Binte Azam, Md. Istiaq Ansari+2 more|arXiv (Cornell University)|Jun 3, 2021

Phonocardiography and Auscultation Techniques被引用 7

一句话总结

该论文提出了一种新颖的特征融合方法，结合线性滤波器组（Fbank）和梅尔频率倒谱系数（MFCC）特征，以提升在加性噪声和传感器引起的卷积失真条件下的心音分类鲁棒性。采用残差卷积神经网络（ResNet）对融合后的Fbank与MFCC-13特征进行处理，该方法在噪声环境和多听诊器设备条件下显著优于先前方法，取得91.36%的AUC、84.09%的F1得分和85.08%的Macc。

ABSTRACT

Cardiac auscultation is an essential point-of-care method used for the early diagnosis of heart diseases. Automatic analysis of heart sounds for abnormality detection is faced with the challenges of additive noise and sensor-dependent degradation. This paper aims to develop methods to address the cardiac abnormality detection problem when both types of distortions are present in the cardiac auscultation sound. We first mathematically analyze the effect of additive and convolutional noise on short-term filterbank-based features and a Convolutional Neural Network (CNN) layer. Based on the analysis, we propose a combination of linear and logarithmic spectrogram-image features. These 2D features are provided as input to a residual CNN network (ResNet) for heart sound abnormality detection. Experimental validation is performed on an open-access heart sound abnormality detection dataset involving noisy recordings obtained from multiple stethoscope sensors. The proposed method achieves significantly improved results compared to the conventional approaches, with an area under the ROC (receiver operating characteristics) curve (AUC) of 91.36%, F-1 score of 84.09%, and Macc (mean of sensitivity and specificity) of 85.08%. We also show that the proposed method shows the best mean accuracy across different source domains including stethoscope and noise variability, demonstrating its effectiveness in different recording conditions. The proposed combination of linear and logarithmic features along with the ResNet classifier effectively minimizes the impact of background noise and sensor variability for classifying phonocardiogram (PCG) signals. The proposed method paves the way towards developing computer-aided cardiac auscultation systems in noisy environments using low-cost stethoscopes.

研究动机与目标

• 解决加性噪声与卷积失真在心音分类中联合带来的挑战，此类失真会降低真实临床点-of-care环境下的性能。
• 提升自动心音分析在不同听诊器传感器和噪声记录条件下的鲁棒性。
• 开发一种特征工程方法，以最小化背景噪声与传感器差异对分类性能的影响。
• 与现有方法相比，证明该方法在不同源域（不同听诊器与噪声水平）下具有更优的泛化能力。
• 验证在深度学习框架中结合线性与对数谱图特征对PCG信号分类的有效性。

提出的方法

• 从数学上分析加性噪声与卷积失真对短时滤波器组特征及CNN层的影响，以指导鲁棒特征设计。
• 从PCG信号中提取线性滤波器组能量（Fbank）与梅尔频率倒谱系数（MFCC-13）特征，作为互补表征。
• 将Fbank与MFCC-13特征融合为二维输入矩阵，以保留时间与频谱动态特性，适用于深度学习。
• 采用残差卷积神经网络（ResNet）作为分类器，从融合的谱图特征中学习分层模式。
• 使用领域平衡训练（DBT）确保在不同听诊器传感器与噪声条件下评估的公平性。
• 应用McNemar卡方检验对基线模型的性能提升进行统计验证。

实验结果

研究问题

• RQ1 加性噪声与卷积失真如何联合影响心音分类系统的性能？
• RQ2 线性滤波器组能量与对数梅尔谱图特征的融合是否能提升对噪声与传感器差异的鲁棒性？
• RQ3 所提出的特征融合策略是否在噪声环境与多源环境下相较于现有方法带来统计上显著的性能提升？
• RQ4 与先前方法相比，该方法在不同听诊器传感器与噪声水平下的泛化能力如何？
• RQ5 分类性能的提升是否源于特征融合策略，而非随机波动或数据泄露？

主要发现

• 所提方法取得受试者工作特征曲线下面积（AUC）为91.36%，显著优于基线模型。
• 该方法获得84.09%的F1得分与85.08%的敏感性与特异性平均值（Macc），表现出强劲的整体性能。
• Fbank与MFCC-13特征的融合在统计上显著优于Potes-CNN-DBT基线系统（p < 0.05），经McNemar检验确认。
• 该方法在不同源域（包括多种听诊器与噪声水平）下的平均准确率最高，表明其具备强大的泛化能力。
• 相较于Humayun等人提出的tConv-CNN-DBT系统，Macc提升3.59%，但未达统计显著性（p > 0.05），表明性能提升稳定但不极端。
• TSNE可视化显示，不同源域之间无明显聚类，表明模型在存在领域偏移的情况下仍能学习到不变表征。