一种具有双路径变换器的相位增强神经网络，用于单通道胸部声音分离

《IEEE Journal of Biomedical and Health Informatics》：A Phase-Enhanced Neural Network With Dual-Path Transformer for Single-Channel Chest Sound Separation

本文提出基于相位增强神经网络（PENN）的心音与肺音分离方法，通过相位恢复模块和双路径Transformer提升混合声信号处理能力，设计mSI-SDRi和pSI-SDRi新评估指标，实验表明在60Hz截止频率下心音分离提升1.44dB，肺音分离提升2.25dB，验证了模型有效性。

　　

摘要：

胸部听诊是诊断心血管和肺部疾病的基本工具。然而，两种主要的胸部声音——心音（HS）和肺音（LS）经常相互混杂，从而限制了诊断的准确性。本文提出了一种新型的相位增强神经网络（PENN），用于分离心音和肺音。为了解决相位信息利用不足的问题，PENN整合了一个前馈连接，将输入频谱传递给恢复器，从而基于局部的相位特征实现相位恢复。此外，还采用了时频双路径变换器（DPT）来扩展网络的感知范围并提升性能。为了评估PENN的有效性，提出了两个新的指标mSI-SDRi和pSI-SDRi，分别用于衡量幅度和相位的贡献。实验表明，在肺音截止频率为60Hz的情况下，PENN使心音的pSI-SDRi指标提高了1.44分贝，肺音的pSI-SDRi指标提高了2.25分贝。大量的实验结果证明了PENN的有效性和鲁棒性，为提高听诊的准确性提供了一种有前景的解决方案。