[论文解读] Investigation into respiratory sound classification for an imbalanced data set using hybrid LSTM-KAN architectures

Nithinkumar K., Anand R.|arXiv (Cornell University)|Jan 7, 2026

Phonocardiography and Auscultation Techniques被引用 0

一句话总结

本文提出一种结合注意力的 LSTM-KAN 混合模型，使用 focal loss、数据增强和 SMOTE 处理不平衡的呼吸声音分类， 在六类数据集（ COPD 主导）上获得 94.6% 的准确率和宏平均 F1 为 0.703。

ABSTRACT

Respiratory sounds captured via auscultation contain critical clues for diagnosing pulmonary conditions. Automated classification of these sounds faces challenges due to subtle acoustic differences and severe class imbalance in clinical datasets. This study investigates respiratory sound classification with a focus on mitigating pronounced class imbalance. We propose a hybrid deep learning model that combines a Long Short-Term Memory (LSTM) network for sequential feature encoding with a Kolmogorov-Arnold Network (KAN) for classification. The model is integrated with a comprehensive feature extraction pipeline and targeted imbalance mitigation strategies. Experiments were conducted on a public respiratory sound database comprising six classes with a highly skewed distribution. Techniques such as focal loss, class-specific data augmentation, and Synthetic Minority Over-sampling Technique (SMOTE) were employed to enhance minority class recognition. The proposed Hybrid LSTM-KAN model achieves an overall accuracy of 94.6 percent and a macro-averaged F1 score of 0.703, despite the dominant COPD class accounting for over 86 percent of the data. Improved detection performance is observed for minority classes compared to baseline approaches, demonstrating the effectiveness of the proposed architecture for imbalanced respiratory sound classification.

研究动机与目标

• 解决呼吸声音数据集中严重类别不平衡的挑战。
• 开发一种混合架构，将 LSTM 与 Kolmogorov-Arnold Network (KAN) 结合用于分类。
• 将特征提取与不平衡缓解技术结合，以提升少数类识别。
• 在公开的六类呼吸声音数据集上评估性能，数据分布以 COPD 为主。

提出的方法

• 使用 LSTM 编码顺序音频特征。
• 将 LSTM 与 Kolmogorov-Arnold Network (KAN) 进行分类组合。
• 应用 focal loss 以应对类别不平衡。
• Incorporate 具针对类别的 数据增强策略。
• 应用 SMOTE 平衡少数类。
• 在分布偏斜的六类呼吸声音数据集上进行评估。

实验结果

研究问题

• RQ1 混合 LSTM-KAN 架构是否能在不平衡呼吸声音数据上优于基线的分类？
• RQ2 不平衡缓解技术（focal loss、数据增强、SMOTE）对少数类性能有何影响？
• RQ3 在六类 COPD 主导的呼吸声音数据集上总体准确率和宏观平均 F1 分数是多少？

主要发现

• 混合 LSTM-KAN 实现 94.6% 的总体准确率。
• 宏平均 F1 分数达到 0.703。
• 相对于基线方法，少数类检测有所提升。
• COPD 类别占数据的超过 86%，凸显严重不平衡。
• 不平衡缓解技术有助于提升少数类的识别。