Classification of Short Segment Pediatric Heart Sounds Based on a Transformer-Based Convolutional Neural Network
United International University（联合国际大学）；Khalifa University（哈利法大学）；University of Bristol（布里斯托大学）
本文研究了用于自动分类心音的最短信号持续时间，采用基于MFCC特征的变压器残差一维卷积神经网络，发现5秒信号能获得93.69%的准确率，而3秒信号信息不足，15秒信号噪声较多。
2024-03-30 cs.LG cs.SD eess.AS
Training one model to detect heart and lung sound events from single point auscultations
Institute of Artificial Intelligence, Philipps-University Marburg（马尔堡大学人工智能研究所）；Clinic of Oral and Cranio-Maxillofacial Surgery, University Hospital Basel（巴塞尔大学医院口腔颌面外科诊所）；Division of Respiratory and Critical Care Medicine, Philipps-University, Marburg（马尔堡大学呼吸与重症医学科）；Division of Internal Medicine, University Hospital Basel（巴塞尔大学医院内科）；Department of Gastroenterology, Endocrinology, Metabolism and Infectiology, Philipps-University, Marburg（马尔堡大学消化内科、内分泌科、代谢与感染病科）；Cardiology Department, University Hospital Gießen and Marburg（吉森和马尔堡大学医院心脏病科）；Department of Cardiology, University Heart and Vascular Center Hamburg（汉堡大学心脏和血管中心心脏病科）
目的：这项工作提出了一种半监督的训练方法，用于同时检测肺和心脏的声音，只有一个训练模型和不变性的听诊点。方法：我们使用来自2016年Physionet/CinC挑战赛、2022年George Moody挑战赛和肺音数据库HF_V1的开放获取数据。我们首先训练专家单任务模型，使用来自不同听诊数据库的前景地面实况（GT）标签，以识别各自的肺部和心脏听诊数据库中的背景声音事件。以这种方式生成的伪标签在新的训练迭代中与地面真值标签组合，使得新的模型随后被训练以检测前景和背景信号。基准测试确保了新训练的模型可以在不同的听诊部位检测肺和心音事件，而不会对原始任务进行回归。我们还为心脏和肺音听诊中各自的背景信号建立了手动验证的标签，以评估模型。结果如下：在这项工作中，我们首次报告了i）肺音事件的多类预测和ii）同时检测心脏和肺音事件的结果，并仅使用一个模型实现了有竞争力的结果。组合的多任务模型在心音检测方面略有回归，在肺音检测准确性方面显着提高，六个类别的总体宏观F1得分为39.2%，比单任务基线模型提高了6.7%。结论/意义：据我们所知，这是迄今为止开发的第一种方法，用于测量对听诊部位和捕获设备都不变的心肺声事件。因此，我们的模型能够从任何听诊位置执行肺和心音检测。
2023-01-15 cs.SD eess.AS
HeartSiam: A Domain Invariant Model for Heart Sound Classification
Iran University of Science and Technology（伊朗科技大学）；Sharif University of Technology（谢里夫理工大学）
根据世卫组织的数据，心血管疾病是导致死亡的主要原因之一。心音描记术（PCG）是一种经济、无创的心脏监测方法。这项工作的主要目的是将心音分为正常/异常类别。心音是使用不同的听诊器记录的，因此在域中是不同的。根据最近的研究，这种变异性会影响心音分类。这项工作提出了一个暹罗网络架构，用于学习正常与正常或异常与异常信号之间的相似性和正常与异常信号之间的差异。通过在所有领域中应用这种相似性和差异性学习，可以很好地实现领域不变心音分类的任务。我们使用多领域2016 Physionet/CinC挑战数据集进行评估。结果：在挑战提供的评估集上，我们的敏感性为82.8%，特异性为75.3%，平均准确性为79.1%。在克服多域问题的同时，所提出的方法在特异性高达10.9%和平均准确性高达5.6%方面超过了Physionet挑战的第一名方法。此外，与类似的最先进的域不变方法相比，我们的模型收敛速度更快，并且在学习相同数量的epoch的情况下，在特异性（4.1%）和平均准确度（1.5%）方面表现更好。
2022-12-08 cs.SD eess.AS eess.SP
HSDreport: Heart Sound Diagnosis with Echocardiography Reports
Shanghai Jiao Tong University（上海交通大学）；Shanghai AI Laboratory（上海人工智能实验室）；University of Science and Technology of China（中国科学技术大学）
针对现有心音诊断方法类别固定、信息有限且未用超声心动图报告的问题，本研究提出HSDreport基准及对应数据集，开发知识感知查询transformer，实验证明其在心音异常检测上显著优于传统方法与现有多模态大模型。
2024-08-16 cs.SD eess.AS
Deep CardioSound-An Ensembled Deep Learning Model for Heart Sound MultiLabelling
Manchester Metropolitan University（曼彻斯特城市大学）
心音诊断和分类在检测心血管疾病中起着至关重要的作用，特别是当远程诊断成为标准的临床实践时。目前大多数的工作是专为单一类别的听到的声音分类任务。为了进一步扩展自动心音诊断领域的前景，这项工作提出了一种深度多标签学习模型，该模型可以使用来自不同标签组的标签自动注释心音记录，包括杂音的定时，音高，分级，质量和形状。我们的实验结果表明，所提出的方法取得了突出的表现上的holdout数据的多标签任务的敏感性=0.990，特异性=0.999，F1=0.990在段的水平，和一个整体的准确性=0.969在病人的记录水平。
2022-04-20 cs.CV cs.SD eess.AS
Assessing the Utility of Audio Foundation Models for Heart and Respiratory Sound Analysis
NTT Communication Science Laboratories（日本通信用科学实验室）；Nippon Telegraph and Telephone Corporation（日本电信电话株式会社）
本研究评估现成音频基础模型在四个呼吸音和心音任务上的性能，发现其在干净数据上达到SOTA，在噪声数据上表现不佳，且通用模型优于专用模型，并发布代码以促进未来研究。
2025-04-25 cs.SD eess.AS
A Comprehensive Survey on Heart Sound Analysis in the Deep Learning Era
University of Bremen（不来梅大学）；Imperial College London（伦敦帝国学院）；Griffith University（格里菲斯大学）；Beijing Institute of Technology（北京理工大学）；University of Augsburg（奥格斯堡大学）；Technical University of Munich（慕尼黑工业大学）；GLAM, Imperial College London（伦敦帝国学院GLAM机构）
本文综述2017—2022年深度学习在心音分析中的研究，对比经典机器学习，总结技术进展并指出未来方向，同时提供公开论文资源库。
2024-05-11 cs.LG cs.SD eess.AS
ENACT-Heart -- ENsemble-based Assessment Using CNN and Transformer on Heart Sounds
The University of Michigan - Dearborn（密歇根大学迪尔伯恩分校）；SimPlatform Co. Ltd.（SimPlatform有限公司）；Affiliate Research Institute（附属研究院）
本研究提出ENACT-Heart集成方法，结合CNN与ViT通过专家混合框架分析心音，实现97.52%的分类准确率，优于单一模型，可提升心血管健康监测诊断性能。
2026-11-05 cs.AI cs.SD eess.AS
Blind Monaural Source Separation on Heart and Lung Sounds Based on Periodic-Coded Deep Autoencoder
听诊是诊断心血管和呼吸系统疾病最有效的方法。为了达到准确的诊断，设备必须能够从各种临床情况中识别心脏和肺音。然而，记录的胸部声音被心脏和肺音混合。因此，有效地分离这两种声音在预处理阶段至关重要。机器学习的最新进展已经在单声道源分离方面取得了进展，但大多数众所周知的技术需要成对的混合声音和单独的纯声音进行模型训练。由于制备纯净的心音和肺音是困难的，必须考虑特殊的设计以获得有效的心音和肺音分离技术。在这项研究中，我们提出了一种新的并行编码的深度自动编码器（PC-DAE）方法，通过假设心率和呼吸率之间的不同周期性，以无监督的方式分离混合心肺音。PC-DAE通过提取代表性特征受益于基于深度学习的模型，并考虑心脏和肺音的周期性来执行分离。我们在两个数据集上评估了PC-DAE。第一个包括来自学生听诊假人（SAM）的声音，第二个是通过记录真实世界条件下的胸部声音来准备的。实验结果表明，PC-DAE优于几个著名的分离工作的标准化评价指标。此外，波形和频谱图证明了PC-DAE与现有方法相比的有效性。它也被证实，通过使用所提出的PC-DAE作为预处理阶段，心音识别精度可以显着提高。实验结果证实了PC-DAE的有效性和其在临床应用中的潜力。
2020-12-11 eess.AS
Statistical feature embedding for heart sound classification
Sharif University of Technology（谢里夫理工大学）；University of Tehran（德黑兰大学）；University of Western Australia（西澳大学）
心血管疾病（CVD）被认为是世界上主要的死亡原因之一。近年来，这一研究领域吸引了研究人员的注意力，以研究心音模式用于疾病诊断。在这项研究中，提出了一种在Physionet挑战2016数据集上进行正常/异常心音分类的方法。第一次，一个固定长度的特征向量，称为i向量，提取每个心音使用梅尔频率倒谱系数（MFCC）的功能。然后，主成分分析（PCA）变换和变分自编码器（VAE）应用于i向量，以实现降维。最后，将减小的尺寸向量馈送到高斯混合模型（GARCH）和支持向量机（SVM）用于分类目的。实验结果表明，该方法可以实现16%的性能提高的基础上修正的准确性（MAcc）相比，基线系统上的Physoinet数据集。
2020-11-09 cs.LG cs.SD eess.AS
Towards Detecting Neural Audio Codec Synthesized Heart Sounds
UPES；NTHU；VBSPU；IIIT-Delhi；Independent Researcher（独立研究者）
提出心音合成检测任务SHAC，发布首个基准数据集CARDIOFAKE，并设计融合频谱与自监督特征的GROOT框架，实现最优检测性能。
2026-06-23 cs.SD eess.AS
Noisy Neonatal Chest Sound Separation for High-Quality Heart and Lung Sounds
Monash University（莫纳什大学）；Shiraz University（设拉子大学）；Emory University（埃默里大学）；Monash Children’s Hospital（莫纳什儿童医院）；University British Columbia（不列颠哥伦比亚大学）；BC Children’s Hospital Research Institute（不列颠哥伦比亚儿童医院研究所）
听诊器记录的胸部声音为新生儿的远程心肺健康监测提供了机会。然而，可靠的监测需要高质量的心肺音。本文提出了新的非负矩阵分解（NMF）和非负矩阵共分解（NMCF）的新生儿胸部声音分离的方法。为了评估这些方法并与现有的单源分离方法进行比较，生成了包括心脏，肺和噪声声音的人工混合数据集。然后计算这些人工混合物的信噪比。这些方法也在真实世界嘈杂的新生儿胸部声音上进行了测试，并根据我们以前的工作中开发的生命体征估计误差和1-5的信号质量评分进行了评估。此外，所有方法的计算成本进行了评估，以确定实时处理的适用性。总体而言，所提出的NMF和NMCF方法都优于下一个最佳现有方法，对于人工数据集为2.7dB至11.6dB，对于真实世界数据集为0.40至1.12的信号质量改善。10秒录音的声音分离的中位处理时间对于NMCF为28.3秒，对于NMF为342毫秒。由于稳定和强大的性能，我们相信，我们提出的方法是有用的去噪新生儿心脏和肺的声音在现实世界的环境。拟议和现有方法的代码可在https://github.com/egrooby-monash/Heart-and-Lung-Sound-Separation上找到。
2022-01-10 cs.LG cs.SD eess.AS
A New Non-Negative Matrix Co-Factorisation Approach for Noisy Neonatal Chest Sound Separation
Monash University（莫纳什大学）
获得高质量的心肺音使临床医生能够准确评估新生儿的心肺健康状况并提供及时的护理。然而，嘈杂的胸部声音记录是常见的，阻碍了及时和准确的评估。提出了一种新的基于非负矩阵协分解的方法，将嘈杂的胸部声音记录分离为心脏、肺和噪声分量，以解决这个问题。这种方法是通过使用20个高质量的心肺声音进行训练来实现的，同时分离嘈杂录音的声音。该方法进行了测试，68个10秒的嘈杂录音，包含心脏和肺的声音，并与目前最先进的非负矩阵分解方法。结果表明，显着改善的心脏和肺的声音质量分数分别，提高了3.6bpm和1.2bpm的心脏和呼吸率估计的准确性，分别与现有的方法相比。
2021-09-04 cs.LG cs.SD eess.AS
Detecting abnormal heart sound using mobile phones and on-device IConNet
Monash University（莫纳什大学）；Singapore Management University（新加坡管理大学）
针对心血管疾病早期筛查需求，提出利用手机录音并在端侧运行轻量级可解释卷积网络 IConNet，直接检测异常心音，提升效率、透明度与远程监测可及性。
2024-12-04 cs.AI cs.SD eess.AS
Heart Sound Classification Considering Additive Noise and Convolutional Distortion
Bangladesh University of Engineering and Technology (BUET)（孟加拉国工程技术大学）；Sonavi Labs Inc.（Sonavi实验室公司）
心脏听诊是用于心脏病早期诊断的重要床旁检查方法。用于异常检测的心音自动分析面临着加性噪声和传感器相关退化的挑战。本文旨在开发方法，以解决心脏异常检测问题时，这两种类型的失真存在于心脏听诊声音。我们首先从数学上分析了加性和卷积噪声对基于短期滤波器组的特征和卷积神经网络（CNN）层的影响。基于分析，我们提出了一种线性和对数谱图图像特征的组合。这些2D特征被提供作为残差CNN网络（ResNet）的输入，用于心音异常检测。实验验证是在一个开放访问的心音异常检测数据集上进行的，该数据集涉及从多个听诊器传感器获得的噪声记录。与传统方法相比，所提出的方法实现了显着改善的结果，ROC（受试者工作特征）曲线下面积（AUC）为91.36%，F-1评分为84.09%，Macc（灵敏度和特异性的平均值）为85.08%。我们还表明，该方法在不同的源域，包括听诊器和噪声的变化，显示出最好的平均精度，证明了其在不同的记录条件下的有效性。所提出的线性和对数特征与ResNet分类器的组合有效地最大限度地减少了背景噪声和传感器变异性对心音图（PCG）信号分类的影响。所提出的方法铺平了道路，发展计算机辅助心脏听诊系统在嘈杂的环境中使用低成本听诊器。
2021-06-03 cs.AI cs.SD eess.AS
Coupling the Heart to Musical Machines
University of British Columbia（不列颠哥伦比亚大学）
本文提出一种基于PPG心率的一维生物反馈音乐控制器，通过时间缩放实时变换声音并形成声音-心脏-PPG感知回路，以探索心脏对音乐感知与表演氛围的控制潜力。
2025-05-05 cs.HC cs.SD eess.AS
Short-segment heart sound classification using an ensemble of deep convolutional neural networks
Universiti Teknologi Malaysia（马来西亚工艺大学）；King Abdullah University of Science and Technology（阿卜杜拉国王科技大学）
本文提出了一种基于深度卷积神经网络（CNN）的框架，用于使用单个心跳的短片段进行自动心音分类。我们设计了一个直接从原始心音信号中学习特征的1D-CNN和一个基于Mel频率倒谱系数（MFCC）的二维的时频特征图的2D-CNN。我们进一步开发了一个时频CNN集成（TF-ECNN）结合的1D-CNN和2D-CNN基于分数级融合的类概率。在大型PhysioNet CinC挑战2016数据库上，提出的CNN模型优于基于支持向量机和隐马尔可夫模型的传统分类器，具有各种手工制作的时域和频域特征。ECNN实现了最佳分类评分，准确度为89.22%，灵敏度为89.94%，2D-CNN单独在测试集上实现了91.55%的特异性和88.82%的修正准确度。
2018-10-27 cs.LG cs.SD eess.AS
Standardized Evaluation of Fetal Phonocardiography Processing Methods
本文使用通用基准平台对胎儿心音图的心音检测与心率估计方法进行标准化评估，发现无单一方法在所有测试中最优，简单方法可媲美复杂方法，并指出该领域评估需进一步标准化。
2025-07-14 cs.SD eess.AS
Exploring Pre-trained General-purpose Audio Representations for Heart Murmur Detection
Communication Science Laboratories, Nippon Telegraph and Telephone Corporation（日本电报电话公司通信科学实验室）
本研究探索利用大规模数据集预训练的通用音频表示进行心脏杂音检测迁移学习，实验表明M2D模型在CirCor数据集上优于现有方法，并通过模型集成进一步提升性能。
2024-04-26 cs.SD eess.AS
Real-time Neonatal Chest Sound Separation using Deep Learning
Monash University（莫纳什大学）；University of British Columbia（不列颠哥伦比亚大学）
本文提出一种受 Conv-TasNet 启发的深度学习模型，通过编码器、解码器和掩码生成器实时分离新生儿胸音中的心音与肺音，在失真度量和计算时间上均显著优于现有方法。
2023-10-26 cs.SD eess.AS
Time-Frequency Distributions of Heart Sound Signals: A Comparative Study using Convolutional Neural Networks
King’s College London（伦敦国王学院）；Kuwait College of Science and Technology（科威特科技学院）；Université du Luxembourg（卢森堡大学）；Carthage University（迦太基大学）；Université de Kindu（金杜大学）
时频分布（TFD）支持早期心脏筛查中的心音表征和分类。然而，尽管TFD在信号分析中经常使用，但没有研究全面比较它们在深度学习自动诊断方面的性能。此外，结合信号处理方法作为卷积神经网络（CNN）的输入已被证明是一种实用的方法，以提高信号分类性能。因此，本研究旨在研究TFD/组合TFD作为CNN输入的最佳使用。研究结果表明：1）将心音信号变换到TF域比使用原始信号具有更高的分类性能。在TFD中，所有CNN模型的性能差异都很小（平均准确度在$1.3\%$范围内）。而连续小波变换（CWT）和线性调频小波变换（CT）的检测效果更好。2)适当增加CNN容量和优化网络结构可以提高性能，但网络结构不宜过于复杂。基于ResNet或SEResNet族的结果，参数数量和结构深度的增加不会明显改善性能。3)将TFD组合为CNN输入并没有显著改善分类结果。本研究的结果为选择TFD作为CNN输入和设计用于心音分类的CNN架构提供了知识。
2022-08-05 cs.SD eess.AS eess.SP
BUET Multi-disease Heart Sound Dataset: A Comprehensive Auscultation Dataset for Developing Computer-Aided Diagnostic Systems
BUET（孟加拉工程技术大学）；Cornell University（康奈尔大学）；University of Pittsburgh（匹兹堡大学）
本文提出 BUET 多病种心音数据集，包含 864 条五类心音录音，并采用多标签标注系统，以支持自动心音分类与诊断模型开发。
2024-09-01 cs.AI cs.LG cs.SD
Enhanced Heart Sound Classification Using Mel Frequency Cepstral Coefficients and Comparative Analysis of Single vs. Ensemble Classifier Strategies
National Yunlin University of Science and Technology（云林科技大学）；Sejong University（世宗大学）；Islamic Azad University（伊斯兰阿扎德大学）；Prince Sattam bin Abdulaziz University（萨塔姆·本·阿卜杜勒-阿齐兹亲王大学）；Taif University（塔伊夫大学）；Lebanese French University（黎巴嫩法国大学）；UNSW Sydney（新南威尔士大学）；Duy Tan University（维新大学）
本文研究基于MFCCs的心音分类，对比单一分类器与集成分类器策略，发现集成方法将DT和SVM准确率分别提升4.89%和1.64%，证明MFCCs优于时间、时频和统计特征。
2024-06-30 cs.AI cs.SD eess.AS
Comparing Spectrogram Front-Ends for Abnormal Heart-Sound Detection with a Convolutional Neural Network
Santa Clara University（圣克拉拉大学）；Independent Researcher（独立研究者）
该研究针对异常心音检测，在二分类任务中固定卷积神经网络，改变音频转图像方式，尝试常规对数梅尔频谱图、PCEN 和多分辨率版本三种方法，在数据集上测试，发现 PCEN 和多分辨率版本在准确性上优于普通对数梅尔频谱图。
2026-07-21 cs.AI cs.CY cs.LG
Deep Recurrent Learning for Heart Sounds Segmentation based on Instantaneous Frequency Features
Facultad de Ingeniería, Universidad de Buenos Aires（布宜诺斯艾利斯大学工程学院）；Instituto Argentino de Matemática ”Alberto P. Calderón”, CONICET（国家科学技术研究委员会“阿尔贝托·P·卡尔德隆”阿根廷数学研究所）
在这项工作中，提出了一种新的堆栈众所周知的技术，以确定一种自动的方法来分割心音图（PCG）中的心音。我们将展示一个深度递归神经网络（DRNN），它能够将PCG分割成其主要组成部分，以及一种非常具体的提取瞬时频率的方法，这将在所提出的模型的训练和测试中发挥重要作用。更具体地说，它涉及一个长短期记忆（LSTM）神经网络，伴随着傅立叶同步压缩变换（FSST），用于从PCG中提取瞬时时频特征。本方法在来自免费提供的数据库的长于5秒和短于35秒的心音信号上进行了测试。该方法证明，通过相对较小的架构、较小的数据集和正确的特征，该方法实现了几乎最先进的性能，显示出89.5%的平均灵敏度、89.3%的平均阳性预测值和91.3%的平均准确度。
2022-01-27 cs.LG cs.SD eess.AS
Heart Sound Segmentation using Bidirectional LSTMs with Attention
Queensland University of Technology（昆士兰科技大学）；M3DICINE Pty Ltd（M3DICINE私人有限公司）
本文提出了一种新的框架分割的心音图（PCG）信号到心脏状态，利用时间演变的PCG以及考虑的显着信息，它提供了检测的心脏状态。我们建议使用递归神经网络，并利用最近的进展，基于注意力的学习分割PCG信号。这允许网络识别信号的最显著方面，而忽略无信息的信息。所提出的方法达到国家的最先进的性能在多个基准，包括人类和动物的心脏记录。此外，我们经验分析不同的功能组合，包括包络特征，小波和梅尔频率倒谱系数（MFCC），并提供定量测量，探讨不同的功能在所提出的方法的重要性。我们证明了一个循环神经网络加上注意力机制可以有效地学习不规则和嘈杂的PCG记录。我们对不同特征组合的分析表明，与经典的小波和包络特征相比，MFCC特征及其衍生物提供了最好的性能。心音分割是许多诊断应用的关键预处理步骤。所提出的方法提供了一个成本效益的替代劳动广泛的手动分割，并提供了一个更准确的分割比现有的方法。因此，它可以提高进一步分析的性能，包括检测杂音和射血喀喇音。该方法也适用于其他一维生物医学信号的检测和分割。
2020-04-02 cs.LG cs.SD eess.AS
Real-Time Multi-Level Neonatal Heart and Lung Sound Quality Assessment for Telehealth Applications
Monash University（莫纳什大学）；Emory University（埃默里大学）；University of British Columbia（不列颠哥伦比亚大学）
数字听诊器与远程医疗相结合，可以轻松收集和传输胸部声音，用于远程监测和诊断。胸部声音包含有关新生儿心肺健康的重要信息。然而，低质量的记录使远程监测和诊断复杂化。在这项研究中，提出了一种新的方法，客观和自动评估心脏和肺信号质量的5级规模在实时和评估信号质量对生命体征估计的影响。为了进行评估，从119名早产儿和足月婴儿中采集了207个10 s长的胸部声音。来自10名受试者的30份记录是基于心电图记录从新生儿重症监护室（NICU）获得的同步生命体征。作为参考，7名注释者独立评估了信号质量。对于自动质量分类，从胸部声音中提取400个特征。在使用最小冗余和最大相关算法进行特征选择、类平衡和超参数优化之后，训练了各种多类和有序分类和回归算法。然后，心率和呼吸率自动估计的胸部声音使用适应预先存在的方法。受试者留一交叉验证的结果表明，表现最好的模型的均方误差（MSE）为0.49和0.61，心脏和肺质量的平衡准确度分别为57%和51%。用于实时分析（<200 ms）的最佳模型的MSE分别为0.459和0.67，平衡准确度分别为57%和46%。我们的实验结果强调，提高信号质量可以减少生命体征误差，只有高质量的记录才具有小于5次/分钟的平均绝对误差，这是临床使用所需的。
2021-09-29 cs.LG cs.SD eess.AS
CardioPHON: Quality assessment and self-supervised pretraining for screening of cardiac function based on phonocardiogram recordings
Luxembourg Institute of Health（卢森堡健康研究所）；University of Zilina（日利纳大学）；University of Maribor（马里博尔大学）
本文提出CardioPHON，一种自监督预训练的心音质量评估与分类工具，可自动去除低质量记录并实现心脏功能异常筛查，在2022年PhysioNet心音挑战赛中多模态模型排名第一、单模态模型在单模态方法中排名第一，是心音领域首个公开发布的预训练模型。
2025-11-06 eess.AS
Temporal-Framing Adaptive Network for Heart Sound Segmentation without Prior Knowledge of State Duration
Southeast University（东南大学）；Emory University School of Medicine（埃默里大学医学院）；Georgia Institute of Technology（佐治亚理工学院）
目的：提出了一种基于时间成帧自适应网络（TFAN）的心音分割算法，该算法包括状态转移丢失和动态推断，用于解码最可能的状态序列。研究方法：与以前的最先进的方法相比，基于TFAN的方法不需要任何关于心音状态持续时间的知识，因此可能推广到非窦性心律。基于TFAN的方法在2016年PhysioNet/Computer in Cardiology Challenge的训练集A中随机选择的50个记录上进行训练，并在其他12个独立的训练和测试数据库（2099个记录和52180次心跳）上进行测试。将用于细分的数据库分为三个难度递增的等级（第一、第二和第三等级），用于性能报告。结果如下：基于TFAN的方法在所有12个数据库中获得了优异的F1分数，除了“测试B”，平均为96.7%，而最先进的方法为94.6%。此外，基于TFAN的方法在LEVEL-I、-II和-III数据上的总体F1评分分别为99.2%、94.4%和91.4%，而当前最先进的方法分别为98.4%、88.54%和79.80%。结论：因此，基于TFAN的方法提供了实质性的改进，特别是对于更困难的情况，以及在公共训练数据中未表示的数据集。意义：所提出的方法是高度灵活的，可能适用于其他非平稳时间序列。需要进一步的工作来理解这种方法将在多大程度上提供改进的诊断性能，尽管假设更好的分割将导致改进的诊断是合乎逻辑的。
2020-07-16 cs.SD eess.AS eess.SP
Manikin-Recorded Cardiopulmonary Sounds Dataset Using Digital Stethoscope
Electrical and Computer Engineering Department, McMaster University（麦斯特大学电气与计算机工程系）
本文介绍了首个同时包含单独和混合心血管声音的数据集，用于AI在心脏病和肺部疾病自动检测中的应用。
2024-10-04 cs.AI cs.LG eess.AS
Exploring Finetuned Audio-LLM on Heart Murmur Features
Columbia University（哥伦比亚大学）
本研究微调音频大语言模型Qwen2-Audio于心音数据集，分类11种杂音特征，在8项上超越现有方法，并成功识别长尾特征，展现其辅助心脏病诊断的潜力。
2025-01-23 cs.AI cs.SD eess.AS
Model-driven Heart Rate Estimation and Heart Murmur Detection based on Phonocardiogram
Apple Inc（苹果公司）
本研究基于公开PCG数据集，采用模型驱动方法结合多种声学特征进行心率估计，并扩展至多任务学习框架同时进行心率估计与杂音检测，2dCNN-MTL模型在杂音检测准确率超95%且心率估计误差满足AAMI要求。
2024-07-25 cs.LG cs.SD eess.AS
Classification of Heart Sounds Using Multi-Branch Deep Convolutional Network and LSTM-CNN
Tarbiat Modares University（塔比亚特莫达雷斯大学）
本文提出多分支深度卷积网络MBDCN和融合LSTM的LSCN模型用于心音分类，在有限标注数据下分别实现89.65%多分类和93.93%二分类准确率，显著优于MFCC和小波等传统方法。
2025-08-27 cs.AI cs.SD eess.AS
Unsupervised detection and classification of heartbeats using the dissimilarity matrix in PCG signals
本研究提出一种基于相异矩阵和帧级频谱散度的两级级联无监督方法，用于PCG信号中心跳检测与S1/S2分类，并通过验证-校正-分类算法提升性能，在含噪临床场景中表现最佳。
2024-11-05 eess.AS eess.SP
Degradation effects of water immersion on earbud audio quality
Sonquito；École Polytechnique Fédérale de Lausanne (EPFL)（洛桑联邦理工学院）；Western Sydney University (WSU)（西悉尼大学）
耳塞经常使用，可能会降低音质。事实上，耳塞的一个共同命运是被遗忘在口袋里，并面临洗衣周期（LC）。制造商对LC影响耳塞音质的程度的描述充其量是模糊的，让用户自己评估造成的损害。本文提供了一个系统的，实证的方法来衡量洗耳塞对音质的影响。三个耳塞对进行LC间隔24小时。在每次LC之后，使用专业麦克风以及中端市场智能手机来记录i）测试音ii）频率扫描和iii）通过耳塞播放的音乐信号。我们部署了混合效应模型，发现RMS噪声响度、总谐波失真（THD）以及耳塞频率响应变化的测量值显著下降。所有探头在第一次循环后均显示出降解，在第六次LC后，没有探头产生可测量的信号。在专业麦克风和智能手机录音中都可以检测到退化效应。我们希望目前的工作是建立一个实用的，生态有效的方法，为日常用户评估他们的个人耳塞退化程度的第一步。
2020-09-02 cs.SD eess.AS
Heart Rate Extraction from Abdominal Audio Signals
University of Cambridge（剑桥大学）；Nokia Bell Labs（诺基亚贝尔实验室）
本文验证从腹部可穿戴设备采集的腹音中提取心率的可行性，采用小波去噪改进心跳检测，并证明其精度可媲美消费级腕戴设备。
2023-04-21 cs.SD eess.AS
A Novel U-Net Architecture for Denoising of Real-world Noise Corrupted Phonocardiogram Signal
TCS Research Tata Consultancy Services（塔塔咨询服务公司TCS研究院）
针对心音信号易受真实噪声污染导致诊断偏差的问题，提出基于U-Net的新型PCG去噪架构，采用合成真实噪声数据集验证，性能优于现有最先进去噪算法。
2023-09-30 cs.SD eess.AS eess.SP
How Much Does Machine Identity Matter in Anomalous Sound Detection at Test Time?
Aalborg University（奥胡斯大学）；Pioneer Centre for Artificial Intelligence（先锋人工智能中心）；Kyoto University（京都大学）
研究探讨了在测试时无法确定具体机器身份的情况下，异常声音检测的性能变化及方法鲁棒性差异。
2026-05-13 cs.SD eess.AS
CardioXNet: A Novel Lightweight Deep Learning Framework for Cardiovascular Disease Classification Using Heart Sound Recordings
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）；King Saud University（沙特国王大学）；Taiz University（塔伊兹大学）
令人震惊的高死亡率和全球心血管疾病日益增加的流行率表明迫切需要早期发现计划。心音图（PCG）信号由于其简单性和成本效益而在历史上一直应用于该领域。在本文中，我们提出了一种新的轻量级端到端CRNN架构，用于使用原始PCG信号自动检测五类心脏听诊，即正常，主动脉瓣狭窄，二尖瓣狭窄，二尖瓣返流和二尖瓣脱垂。这一过程通过两个学习阶段实现了自动化。三个并行的CNN路径已被实施在表示学习阶段，学习粗粒度和细粒度的功能，从PCG和探索的显着特点，从可变的感受野涉及2D-CNN基于挤压扩展。因此，在表示学习阶段，网络提取有效的时不变特征，并快速收敛。在序贯残差学习阶段，利用双向LSTM和跳过连接，网络可以熟练地提取时间特征，而无需对信号执行任何特征提取。所获得的结果表明，所提出的端到端架构在所有评估指标中均具有出色的性能，与以前的最先进的方法相比，平均准确率高达99.60%，精确率为99.56%，召回率为99.52%，平均F1分数为99.68%，同时具有计算可比性。该模型比以前使用相同数据集的作品有相当大的优势。主要数据集和次要数据集的高准确性指标与数量显著较少的参数和端到端预测方法相结合，使得所提出的网络适用于使用内存限制移动设备的低资源设置中的床旁CVD筛查。
2021-03-08 cs.SD eess.AS eess.SP
MEMS and ECM Sensor Technologies for Cardiorespiratory Sound Monitoring - A Comprehensive Review
McMaster University（麦克马斯特大学）；M Corporation（3M公司）
本文综述心肺听诊设备及 ECM、MEMS 传感技术，重点梳理近十年基于 MEMS 的可穿戴设计，首次系统总结二者在心音和肺音分析中的应用。
2025-02-14 cs.AI cs.LG eess.AS
FunnelNet: An End-to-End Deep Learning Framework to Monitor Digital Heart Murmur in Real-Time
Department of Biomedical Engineering, Linköping University（林雪平大学生物医学工程系）；Department of Electrical and Computer Engineering, University of Maryland College Park（马里兰大学学院公园分校电子与计算机工程系）；School of Medicine and Psychology, The Australian National University（澳大利亚国立大学医学与心理学学院）；School of Electrical Engineering, Computing and Mathematical Sciences, Curtin University（Curtin大学电子工程、计算与数学科学学院）；School of Electrical Engineering and Computer Science, The University of Queensland（昆士兰大学电子工程与计算机科学学院）；University of ÓBuda（布达佩斯大学）
本文提出了一种基于传统和深度可分离卷积网络的端到端实时心脏杂音检测方法，通过滤波和小波变换提取特征，利用轻量级模型在资源受限设备上实现高准确率的实时诊断。
2026-05-10 cs.LG cs.SD eess.AS
Blind Source Separation in Biomedical Signals Using Variational Methods
McMaster University（麦克马斯特大学）
本文提出一种基于变分自编码器的无监督方法，用于分离重叠的心肺音，无需标签数据，在真实录音中实现准确重建，适用于便携诊断与智能听诊器。
2025-06-23 cs.SD eess.AS
Towards Fusion of Neural Audio Codec-based Representations with Spectral for Heart Murmur Classification via Bandit-based Cross-Attention Mechanism
IIIT-DelhiIndia（印度德里印度理工学院）；UPESIndia（印度UPES大学）；V.B.S.P.UIndia（印度V.B.S.P.U大学）；Independent ResearcherIndia（印度独立研究者）；Dhineu SolutionsIndia（印度Dhineu Solutions公司）；University of TartuEstonia（爱沙尼亚塔尔图大学）；Plaksha UniversityIndia（印度Plaksha大学）
本文提出BAOMI框架，通过bandit交叉注意力机制融合神经音频编解码器表示与频谱特征，实现心脏杂音分类性能的新最优。
2025-06-01 cs.SD eess.AS
A circular microphone array with virtual microphones based on acoustics-informed neural networks
University of Technology Sydney（悉尼科技大学）
本文提出在圆形麦克风阵列中引入虚拟麦克风，利用声学信息神经网络从物理麦克风声压预测虚拟麦克风声压，再联合设计波束形成器，从而在不增加物理硬件的情况下消除贝塞尔函数零点导致的性能下降并抑制高频空间混叠。
2024-02-24 cs.SD eess.AS
Room adaptive conditioning method for sound event classification in reverberant environments
Seoul National University（首尔大学）
确保在真实世界环境中可能发生的各种情况下的性能鲁棒性是声音事件分类中具有挑战性的任务之一。混响是影响性能的不可预测和有害因素之一，特别是在室内环境中。为了缓解这个问题，我们提出了一种调节方法，提供房间脉冲响应（RIR）信息，以帮助网络变得不敏感的环境信息，并专注于分类所需的声音。实验结果表明，该方法成功地降低了由于室内混响引起的性能下降。特别是，我们提出的方法甚至适用于可以从房间类型而不是确切的房间类型推断出的类似RIR，这具有潜在地用于现实世界应用的优势。
2021-04-21 cs.SD eess.AS
Recent Advances in Computer Audition for Diagnosing COVID-19: An Overview
The University of Tokyo（东京大学）；Imperial College London（帝国理工学院）
计算机听觉（CA）已被证明是有效的，在医疗保健领域的言语影响障碍（例如，自闭症谱系、抑郁症或帕金森病）和身体声音影响异常（例如，例如，在一个实施例中，异常肠鸣音、心脏杂音或鼾声）。然而，在抗击SARS-CoV-2冠状病毒引起的COVID-19大流行的数据驱动技术中，CA被低估了。有鉴于此，总结CA在COVID-19语音和/或声音分析方面的最新进展。虽然所取得的里程碑令人鼓舞，但还不能得出任何可靠的结论。这主要是因为数据仍然稀少，往往没有得到充分验证，并且缺乏与影响呼吸系统的相关疾病的系统比较。特别是，基于CA的方法不能成为SARS-CoV-2的独立筛查工具。我们希望这个简短的概述可以提供一个很好的指导，并吸引更广泛的人工智能社区的更多关注。
2020-12-08 cs.LG cs.SD eess.AS
Domain Adaptation Method and Modality Gap Impact in Audio-Text Models for Prototypical Sound Classification
Universidad de la República（乌拉圭共和国大学）；Universitat Pompeu Fabra（庞培法布拉大学）；New York University（纽约大学）
本文针对背景声源导致音频-文本模型零样本声音分类性能下降的问题，提出一种无需重训练的领域自适应方法，并证明缩小音频与文本模态差距可进一步提升分类性能。
2025-06-04 cs.AI cs.SD eess.AS
Adversarial Fine-tuning using Generated Respiratory Sound to Address Class Imbalance
Kyungpook National University（庆北国立大学）；MODULABS（MODULABS公司）；ALI Co., Ltd（ALI有限公司）；KAIST（韩国科学技术院）
本研究提出利用音频扩散模型生成呼吸音，并通过对抗微调对齐合成与真实特征，在ICBHI数据集上提升分类性能，解决类别不平衡问题。
2023-11-11 cs.LG cs.SD eess.AS
Improving Anomalous Sound Detection through Pseudo-anomalous Set Selection and Pseudo-label Utilization under Unlabeled Conditions
Nagoya University（名古屋大学）
针对无标签条件下异常声音检测性能下降问题，提出结合异常分数选择器、三元组学习和迭代训练的集成流程，在DCASE2022-2024数据集上平均AUC提升超6.6点，实现低标注成本下的鲁棒检测。
2025-05-25 cs.SD eess.AS
SpectNet : End-to-End Audio Signal Classification Using Learnable Spectrograms
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）
从音频信号中进行模式识别是一个活跃的研究课题，包括音频标记、声学场景分类、音乐分类和其他领域。频谱图和梅尔倒谱系数（MFCC）是音频信号分析和分类中最常用的特征之一。最近，深度卷积神经网络（CNN）已成功用于使用基于频谱图的2D特征的音频分类问题。在本文中，我们提出了SpectNet，这是一个集成的前端层，可以在CNN架构中提取频谱图特征，可用于音频模式识别任务。前端层利用可学习的gammatone滤波器，这些滤波器使用梅尔尺度滤波器进行初始化。所提出的层输出2D频谱图图像，其可以被馈送到2D CNN中用于分类。整个网络的参数，包括前端滤波器组，可以通过反向传播进行更新。该训练方案允许根据目标音频数据集微调频谱图图像特征。所提出的方法进行评估，在两个不同的音频信号分类任务：心音异常检测和声学场景分类。与经典的谱图图像特征相比，该方法在心音分类任务中的MACC提高了1.02%，在声学场景分类任务中的准确率提高了2.11%.我们实验的源代码可以在\url{https://github.com/mHealthBuet/SpectNet}上找到
2022-11-17 cs.SD eess.AS eess.SP
Exploring Automatic Diagnosis of COVID-19 from Crowdsourced Respiratory Sound Data
University of Cambridge（剑桥大学）；Alan Turing Institute（艾伦·图灵研究所）
由人体产生的音频信号（例如，叹息、呼吸、心跳、消化、振动声）已被临床医生常规地用作诊断疾病或评估疾病进展的指标。直到最近，这些信号通常是通过人工听诊在预定的访问收集。研究现在已经开始使用数字技术来收集身体声音（例如，来自数字听诊器）用于心血管或呼吸检查，然后可以用于自动分析。一些初步工作显示出从声音和咳嗽中检测COVID-19诊断信号的希望。在本文中，我们描述了我们对收集的大规模众包呼吸音数据集的数据分析，以帮助诊断COVID-19。我们使用咳嗽和呼吸来了解COVID-19的声音与哮喘或健康对照者的声音有多不同。我们的研究结果表明，即使是一个简单的二进制机器学习分类器也能够正确分类健康和COVID-19的声音。我们还展示了如何区分COVID-19检测呈阳性并咳嗽的用户与健康咳嗽用户，以及COVID-19检测呈阳性并咳嗽的用户与哮喘和咳嗽的用户。我们的模型在所有任务中的AUC都超过80%。这些结果是初步的，只是触及了这种基于数据和音频的机器学习潜力的表面。这项工作为进一步研究如何将自动分析的呼吸模式用作预筛选信号以帮助COVID-19诊断打开了大门。
2021-01-18 cs.LG cs.SD eess.AS
Continual Learning of New Sound Classes using Generative Replay
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Mila--Quebec Artificial Intelligence Institute（米拉-魁北克人工智能研究所）；Adobe Research（奥多比研究院）
持续学习包括在一系列数据集上递增地训练模型，并在所有数据集的联合上进行测试。在本文中，我们研究了声音分类问题的持续学习，我们希望改进已经训练好的模型来学习新的声音类别。在实践中，人们并不想保留所有过去的训练数据并从头开始重新训练，但是天真地用新数据（集）更新模型会导致已经学习的任务的退化，这被称为“灾难性遗忘”。“我们开发了一个生成重放程序来生成训练音频频谱图数据，而不是保留旧的训练数据集。我们表明，通过逐步完善的分类器与生成重放一个发电机，是所有以前的训练数据的大小的4%匹配的性能，完善的分类器保持20%的所有以前的训练数据。因此，我们可以扩展经过训练的声音分类器来学习新的类，而不必保留以前使用的数据集。
2019-06-03 cs.LG cs.SD eess.AS
Analytic Class Incremental Learning for Sound Source Localization with Privacy Protection
University of Science and Technology Beijing（北京科技大学）；National University of Singapore（新加坡国立大学）；Technical University of Munich（慕尼黑工业大学）；South China University of Technology（华南理工大学）
针对现有深度学习类声源定位方法依赖大量数据、易遗忘旧类别且存隐私风险的问题，提出无历史数据回放的解析式类别增量方法SSL-CIL，在SSLR数据集上达90.9%定位准确率，性能更优且适配智能家居隐私场景。
2024-09-11 cs.SD eess.AS
Multi-View Networks For Multi-Channel Audio Classification
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Adobe Research（奥多比研究院）
在本文中，我们介绍了多视图网络的想法，声音分类与多个传感器。我们展示了如何构建一个在固定数量的通道上训练的多通道声音识别模型，并将其部署到具有任意（并且可能动态变化）数量的输入通道的场景中，并且不会观察到性能下降。我们证明，在推理时，您可以安全地为该模型提供所有可用的通道，因为它可以忽略噪声信息并比标准基线方法更好地利用新信息。该模型在消声环境和室内声学模拟器产生的房间中进行评估。我们证明，该模型可以推广到看不见的通道数量以及看不见的房间几何形状。
2019-02-26 cs.SD eess.AS
