यह शोधपत्र एक गहन अधिगम-आधारित श्वास ध्वनि घटना संसूचन विधि का प्रस्ताव करता है जो श्रवण में व्यक्तिपरकता और अंतर-विशेषज्ञ अंतरों को संबोधित करती है, जो श्वसन रोगों के शीघ्र निदान के लिए अत्यंत महत्वपूर्ण हैं। मौजूदा विधियों की सीमाओं, जिनमें निश्चित-लंबाई की ऑडियो प्रोसेसिंग, फ्रेम-दर-फ्रेम भविष्यवाणी के कारण गलत अस्थायी स्थानीयकरण, और श्वास ध्वनि स्थान जानकारी का अपर्याप्त उपयोग शामिल है, को दूर करने के लिए, हम एंकर अंतरालों का उपयोग करते हुए एक ग्राफ न्यूरल नेटवर्क-आधारित ढाँचा प्रस्तुत करते हैं। यह ढाँचा परिवर्तनशील-लंबाई की ऑडियो प्रोसेसिंग और असामान्य श्वास ध्वनि घटनाओं का सटीक अस्थायी स्थानीयकरण सक्षम बनाता है। SPRSound 2024 और HF Lung V1 डेटासेट का उपयोग करके प्राप्त प्रायोगिक परिणाम प्रस्तावित विधि की प्रभावशीलता और श्वास स्थान जानकारी के उपयोग के महत्व को प्रदर्शित करते हैं। एक संदर्भ कार्यान्वयन GitHub पर उपलब्ध है।
