每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

散射变压器：一种用于心脏杂音检测的免训练变压器架构

Created by
  • Haebom

作者

拉米·泽维尔

大纲

为了解决心音解读领域熟练临床医生短缺的问题，人们开展了心音自动化研究。主要使用基于深度学习的监督学习方法，但训练数据的限制一直存在。最近，人们对使用预训练的、基于自监督音频的模型的兴趣日益浓厚，但这些模型的计算成本很高。在本研究中，我们提出了散射变压器 (Scattering Transformer)，这是一种无需训练即可检测心脏杂音的新型变压器架构。该架构利用小波散射网络，并通过类似变压器的结构引入上下文依赖性。使用 CirCor DigiScope 数据集，我们将散射变压器 (Scattering Transformer) 与传统的基于音频的模型进行了比较，实现了 0.786 的 WAR 和 0.697 的 UAR，显示出与现有方法相当的性能。这表明散射变压器 (Scattering Transformer) 在资源受限的环境中可能是一种很有前途的替代方案。

Takeaways, Limitations

•
Takeaways：
◦
我们提出了一种新方法，使用无需训练的轻量级 Transformer 架构来解决心脏杂音检测问题。
◦
与现有的基于音频的复杂模型相比，它在资源受限的环境中提高了可用性。
◦
CirCor DigiScope 数据集上展示了竞争性能。
•
Limitations：
◦
由于仅在特定数据集上评估性能，因此有必要验证其他数据集上的泛化性能。
◦
需要进行额外的研究（例如超参数优化）来提高性能。
◦
需要进一步研究来证实所提出的方法的临床实用性。
👍
Made with Slashpage