基于结构化听诊证据的多协议呼吸音分类建模研究

《Frontiers in Medicine》：Structured auscultation evidence modeling for multi-protocol respiratory sound classification

　　

摘要 引言： 数字记录的呼吸音为计算机辅助听诊提供了实用的生理信息源。其声学表现在不同受试者、记录位置、设备、滤波条件和环境噪声之间存在差异。大多数分类模型将声学表征直接映射到疾病标签，这限制了获取与每个预测相关的听诊发现。本研究探讨了呼吸声学表征能否在不同标签设置和评估层级下组织为结构化证据以用于分类。 方法： 研究人员开发了Evi-CARD，将呼吸音表征组织为结构化证据以进行分类。一个冻结的开放呼吸声学基础模型（OPERA）编码重叠的8秒片段，概念对齐路径据此估计喘息、爆裂音、吸气与呼气及其学习得到的证据权重。注意力约束残差路径保留互补的声学信息，但其注意力上限并未严格约束残差路径对最终logits的贡献。分离的疾病查询层将共享证据表征适配至各分类设置。研究在记录层面通过受试者独立五折交叉验证评估BRACETS A2和A3，并在患者层面通过受试者独立五折交叉验证评估KAUH-primary的Healthy vs. Obstructive分类。每项评估均在其来源队列内进行，并非外部验证实验。 结果： 在BRACETS上，Evi-CARD在A2三分类任务中达到77.8%的平衡准确率，在更细粒度的A3五分类任务中达到70.2%。在KAUH-primary上，合并的患者层面折外评估得到受试者工作特征曲线下面积（AUC）为95.1%，平衡准确率为88.0%，宏F1为88.1%，预期校准误差为5.1%。在HF_Lung_V1、SPRSound和ICBHI上，完整概念层相比所评估的声学探针和概念读出基线，提供了更准确且校准更好的概念预测。 讨论： 这些发现表明，协议特定的呼吸音分类可以基于概念关联的潜在证据，同时保留预定义概念集之外信息的受约束路径。然而，Evi-CARD并非严格的标量概念瓶颈，其残差记忆槽未被赋予临床意义。证据仅限于队列内交叉验证；在考虑临床部署之前，仍需独立队列测试、设备和部位分层评估以及临床医生审查。

论文解读：结构化听诊证据建模用于多协议呼吸音分类

一、研究背景与问题

呼吸系统疾病是发病率和死亡率的重要来源，需要可及的方法进行早期评估和持续监测。听诊因其无创、廉价且在临床实践中易于获得而被广泛用于评估呼吸功能。喘息和爆裂音等呼吸音可提供关于气流受限和肺力学变化的信息。数字听诊通过允许呼吸音被记录、存储和计算分析，扩展了传统检查手段。

早期计算研究依赖手工设计的描述符，包括梅尔频率倒谱系数、小波特征和频谱统计，结合任务特定分类器。随着深度学习的发展，卷积和序列模型开始直接从频谱图或音频记录中学习呼吸音表征，减少了对人工设计特征的依赖。近年来，迁移学习和呼吸声学基础模型为下游任务提供了更强的表征。

然而，现有深度学习模型往往将声学表征直接映射到疾病类别，而未展示哪些听诊发现对预测有所贡献。这种直接映射使得难以判断模型输出是否与记录中存在的呼吸体征一致，限制了其在临床决策支持中的透明性。此外，尽管显著性图和注意力可视化可以识别输入的影响区域，但这些输出通常是模型特定的，并不直接代表临床公认的呼吸音特征。这促使需要一种中间表征，使相关听诊事件和呼吸相位在分类过程中变得明确。

概念学习提供了一种将预测与命名属性关联的方式。概念瓶颈和概念嵌入模型将这些属性直接置于预测路径中。然而，准确的概念识别仅展示了在预测概念层面的对齐，并未确立学习到的概念表征的每个维度在语义上是纯净的或可独家归因于该概念。将概念学习应用于呼吸音存在约束：喘息和爆裂音随时间变化，可呈现不同的时间和频谱形式，其表现随呼吸流量、体位、听诊部位和记录条件而变化。另一个约束是，喘息、爆裂音、吸气和呼气仅捕捉了与呼吸疾病相关的声学变异的一部分。将分类限制在这四个概念上可能丢弃预定义词汇之外的信息模式。

二、研究内容与主要技术方法

为解决上述问题，研究人员提出了Evi-CARD，一种用于呼吸音分类的结构化框架。它将呼吸声学token组织为喘息、爆裂音、吸气和呼气的概念对齐流，每条流结合预测强度、字典引导方向和学习的证据权重。受约束的残差记忆路径以预定义概念词汇未完全表征的信息补充这些流。协议特定的疾病查询整合两种证据源以产生片段级类别概率。

研究使用了六个公开呼吸音数据集，各自承担互补角色。BRACETS支持记录层面疾病分类，KAUH-primary支持患者层面Healthy vs. Obstructive分类。HF_Lung_V1、SPRSound和ICBHI提供喘息、爆裂音、吸气和呼气的可用标注，RespiratoryDatabase@TR在阶段1证据路径训练期间提供辅助COPD相关监督。

关键技术方法包括：冻结的OPERA声学骨干编码8秒重叠片段，通过轻量瓶颈适配器插入选定的中间到高层；多层级查询机制通过多头交叉注意力获得概念特定声学token和强度；概念字典通过温度缩放余弦相似度产生匹配权重和字典引导概念方向；概念对齐证据单元结合声学token、预测强度和字典引导方向，并预测证据权重；残差表征从概念token与字典引导方向之间的差异导出，通过动态门控记忆转换为残差证据；协议特定疾病查询解码器通过多头交叉注意力将证据矩阵映射到类别集合，并施加残差记忆注意力上限约束。

三、研究结果

BRACETS A2与A3分类结果： 在BRACETS上，Evi-CARD在A2三分类任务中达到77.8%的平衡准确率，在A3五分类任务中达到70.2%的平衡准确率，表明共享证据路径可支持不同粒度标签定义。

KAUH-primary患者层面分类结果： 在KAUH-primary上，合并的患者层面折外评估得到AUC为95.1%，平衡准确率为88.0%，宏F1为88.1%，预期校准误差为5.1%，验证了患者层面评估单元下的分类性能。

概念预测评估结果： 在HF_Lung_V1、SPRSound和ICBHI上，完整概念层相比声学探针和概念读出基线，提供了更准确且校准更好的概念预测，表明概念提取路径的有效性。

四、讨论与结论

研究结果表明，协议特定的呼吸音分类可以基于概念关联的潜在证据，同时保留预定义概念集之外信息的受约束路径。Evi-CARD并非严格的标量概念瓶颈，其残差记忆槽未被赋予临床意义。证据仅限于队列内交叉验证；在考虑临床部署之前，仍需独立队列测试、设备和部位分层评估以及临床医生审查。该研究检验了一个预训练证据路径能否支持不同标签定义和评估单元，但未测试跨医院、设备、地理人群或前瞻性队列的迁移。