基于改进离散余弦变换与Wasserstein生成对抗网络的咳嗽信号增强及分类研究

为解决咳嗽信号数据不足导致的计算机辅助诊断(CAD)系统准确率低的问题，研究人员采用改进离散余弦变换(MDCT)表征咳嗽信号，结合Wasserstein生成对抗网络(WGAN)进行数据增强，通过卷积神经网络(CNN)分类，最终实现分类准确率提升17%。该研究为呼吸系统疾病诊断提供了高效的数据增强方案。

　　

咳嗽作为呼吸系统疾病的常见症状，其声学特征蕴含重要的临床信息。然而，现有咳嗽数据库规模有限，严重制约了基于深度学习(DL)的计算机辅助诊断(CAD)系统性能。传统数据增强方法如旋转、加噪等会破坏医学信号的原始分布，而生成对抗网络(GAN)虽能生成逼真数据，却面临梯度爆炸和模式坍塌问题。针对这些挑战，一项发表于《Biomedical Signal Processing and Control》的研究提出创新解决方案。

该研究团队采用改进离散余弦变换(MDCT)将咳嗽信号转换为时频图像，利用Wasserstein生成对抗网络(WGAN)进行数据增强，最终通过卷积神经网络(CNN)实现疾病分类。关键技术包括：1) 采用切比雪夫、高斯、锥形余弦和Kaiser-Bessel四种窗函数构建MDCT表征；2) 基于Wasserstein距离优化的GAN架构生成增强数据；3) 使用公开咳嗽数据集验证框架有效性。

系统模型
研究构建了包含MDCT转换、WGAN增强和CNN分类的三阶段框架。MDCT通过50%重叠分块克服传统DCT的块效应，WGAN的生成器-判别器结构通过最小化Wasserstein距离稳定训练过程。

结果与讨论
实验表明：1) Kaiser-Bessel窗构建的MDCT表征最优，分类准确率达89.7%；2) WGAN增强使数据集规模扩大3倍，CNN分类准确率提升17%；3) 时频可视化证实增强数据保留了真实咳嗽信号的相位特征（爆发相、稳态相）。

结论
该研究首次将MDCT-WGAN组合应用于咳嗽信号增强，解决了医学数据稀缺的核心难题。WGAN通过Wasserstein损失函数避免模式坍塌，MDCT的多窗分析为时频表征选择提供新思路。框架的17%准确率提升证实其在哮喘、COPD等呼吸系统疾病诊断中的潜在价值，为医疗AI的小样本学习开辟了新途径。