论文发现呼吸音筛查中特征缩放影响大于架构选择

Abubakar Chilala 等在 arXiv 发布论文（arXiv:2610.33030），针对低资源诊所的离线呼吸音筛查比较经典与深度分类器，结论是最大的效果差异来自预处理而非架构。在含 1,211 段音频、201 名患者、五类呼吸音（哮喘、COPD、肺炎、支气管音、健康）的数据集上，基于 30 个 MFCC、ZCR、RMS 统计特征的 SVM 达到宏召回 0.78，1.13M 参数的卷积循环网络为 0.75 到 0.77，模型家族之间无显著差异。论文称，对 SVM 特征做标准化这一常规步骤使宏召回从 0.51 升到 0.78，27 个百分点的变化超过任何模型家族之间的差距。实验采用预注册的患者分组交叉验证，每种配置运行 25 次；论文作者将潜在混杂因素列为论文的主要局限。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。