形状認識最適化による呼吸音分類の改善

この論文は、既存のデータセットの制約とTransformerモデルの過学習という課題に対処し、呼吸音分類を改善しています。著者らは、Sharpness-Aware Minimization (SAM) を使用して損失曲面の形状を最適化する新しいフレームワークを提案し、より優れた汎化性能と、臨床応用にとって重要な感度の向上を実現しています。クラスの不均衡に対処するための重み付きサンプリングの使用も重要な貢献です。

• •SAM最適化されたAudio Spectrogram Transformerを使用した、呼吸音分類のための新しいフレームワークを提案。
• •医療データセットで一般的な過学習とクラスの不均衡の問題に対処。
• •最先端のパフォーマンスを達成し、感度を大幅に向上。
• •モデルが堅牢で識別力のある特徴を学習することを示しています。