师生研究小组在IEEE IISA 2024年会议上获得最佳论文奖

该项目着眼于早期发现结核病这一重大挑战。本研究提出了一种新的多模式方法，利用咳嗽录音的视听信息来检测结核病。我们超越了传统的基于图像的方法（如痰涂片显微镜和胸部x光片），并研究利用咳嗽记录来区分结核病病例的可行性。在结核病分类的深度学习模型中，采用mel -谱图（mel - spectrogram）和Mel-Frequency倒谱系数（Mel-Frequency Cepstral Coefficients）两种主要的音频处理技术对录音进行特征编码。我们提出的方法利用了一个大型挑战数据集，该数据集包括来自超过1105名参与者的临床数据和超过502252份咳嗽记录。值得注意的是，一个简单的一维卷积神经网络（CNN）在MFCC特征上的训练达到了91%的准确率，超过了世界卫生组织（WHO）对结核病筛查测试的要求。我们的研究结果强调了MFCC特征和1D cnn在利用咳嗽声数据准确检测结核病方面的潜力。这种方法遵循奥卡姆剃刀原则，当产生可比较的结果时，该原则倾向于更简单的模型（如1D cnn）。这项研究为在不同人群中进行进一步研究铺平了道路，并促进了可获得的结核病筛查解决方案的开发，特别是在资源有限的环境中，只有咳嗽录音是可行的，从而强调了其显著的现实影响。

IISA系列会议已成为信息、智能、系统和应用各个领域的研究人员和专业人士的国际论坛。我们邀请提交论文，介绍所列会议轨道的高质量原创研究和发展。