可解释的呼吸音分析的原型学习
摘要：远程筛查呼吸系统疾病已被广泛研究，作为一种非侵入性和早期诊断工具，尤其在流行病期间。由于其出色的性能，呼吸声分类任务已经通过众多深度神经网络（DNN）模型实现。然而，在决策可能具有重大后果的高风险医学领域，开发可解释的模型很有必要，从而为医生和患者提供可理解的原因。为了解决这个问题，我们提出了一个原型学习框架，它同时生成用于解释的示例样本，并将这些样本集成到DNN的一层中。实验结果表明，我们的方法在最大的公共呼吸声数据库上优于现有方法。
作者：Zhao Ren, Thanh Tam Nguyen, Wolfgang Nejdl
论文ID：2110.03536
分类：Sound
分类简称：cs.SD
提交时间：2022-02-08