ACF-SED：融合ALE置信度图的Transformer声音事件检测框架在睡眠呼吸暂停分析中的应用

《Artificial Life》：End-to-End Sleep Sound Event Detection from Ambient Audio via Adaptive Line Enhancer Confidence Fusion

　　

摘要：

睡眠呼吸障碍，包括打鼾、低通气和阻塞性呼吸暂停，是阻塞性睡眠呼吸暂停综合征（OSAS）的标志，通过呼吸暂停低通气指数（AHI）进行量化。虽然传统的多导睡眠图检测需要复杂的临床设置，但仅使用麦克风的自动检测已成为一种实用的替代方案。我们提出了ALE-置信融合声音事件检测（ACF-SED），这是首个将自适应线增强器（ALE）置信度图直接注入Transformer注意力偏置和特征调制的框架，而非仅将ALE视为预处理步骤。我们的架构在多时间尺度上集成了具有并行归一化最小均方（NLMS）滤波器的多分辨率ALE库、置信度偏置注意力机制，以及在置信度引导的交叉路径模块中由ALE驱动的特征调制。实验结果表明，ACF-SED作为首个在用于睡眠呼吸暂停分析的音频多导睡眠图数据集（APSAA）上执行声音事件检测（SED）的模型，取得了最先进的性能，在约200万参数的规模下，于Event-F1、Segment-F1和多声源检测得分（PSDS）上均优于音频频谱图Transformer（AST），其中Event-F1的相对提升尤为显著，达到5.89%。此外，当将ALE中的收敛率参数μ设为可训练参数时，与使用固定μ相比，模型在PSDS上实现了0.0077的绝对提升，相当于1.02%的相对增益。最后，为三个NLMS滤波器分别赋予不同的延迟时间，而非对所有滤波器使用相同的延迟，也使PSDS绝对提升了0.0146，相当于1.95%的相对增益。