基于小波变换与集成学习的医学叩诊音频识别研究  

作　　者：张志强 向尚 刘溢 邱子硕 任雨桐 

机构地区：[1]四川农业大学商旅学院,四川成都610000

出　　处：《电子元器件与信息技术》2024年第12期267-270,共4页Electronic Component and Information Technology

摘　　要：叩诊是一种常见的医学诊断方法,通过听取患者身体部位的音响反应来判断其内部状况,具有低成本、非侵入性和易操作等优势。目前,基于声纹识别与医学叩诊领域的研究相对空白,但这两个领域融合可能带来一系列创新和潜在应用。在处理叩诊音频这类非平稳信号时,小波变换相对于传统的梅尔频率倒谱系数(Mel Frequency Cepstral Coefficients,MFCC)具有显著优势。本文进行了基于MFCC和小波特征的不同分类实验。实验一对音频进行MFCC提取;实验二对音频进行小波变换,提取小波尺度的均值、小波能量图的尺度加权重心、小波尺度方差和小波尺度范围作为特征。两组实验均将提取的特征输入多种分类器进行训练和测试。结果表明,在自采数据集上,对区分度较高的音频,两个实验的识别准确率无显著差异;对区分度较低的音频,实验二比实验一识别准确率提高了14.18%。此外,本文还比较了单一分类器与集成分类器的效果,通过结合多个分类器,显著减少了单一分类器在特定情况下的偏差,从而提升了整体效果。最后,本文选取小波变换和集成学习结合的最优模型,使用SHAP加性解释算法评估不同特征对模型的影响,以增强其可解释性。结果显示,小波能量图的尺度加权重心是最重要的特征。

关 键 词：医学叩诊 小波变换 集成学习 时频特征 SHAP 

分 类 号：TN9[电子电信—信息与通信工程]