利用麦克风检测和测量马匹运动时的呼吸事件：深度学习与传统信号处理方法对比

《BMC Veterinary Research》：Detecting and measuring respiratory events in horses during exercise with a microphone: deep learning vs. standard signal processing

　　

摘要

背景

监测呼吸频率等呼吸参数有助于了解训练对马匹健康与表现的影响，进而提升马匹的福利水平。在本研究中，我们对比了基于深度学习的方法与改进后的信号处理方法，旨在自动检测标准赛马在高强度运动过程中的周期性呼吸事件，并从麦克风记录中提取动态呼吸频率。

结果

我们的深度学习模型能够在嘈杂的麦克风信号中识别出呼气声（中位F1值为0.94），并且在运动强度较低、呼气声较难辨识的情况下，对未标记信号也能取得良好效果。与长短期记忆网络以及传统信号处理方法相比，时间卷积网络在检测呼气事件及估算动态呼吸频率方面表现更佳（中位F1值：0.94，平均绝对误差±置信区间：1.44±1.04次/分钟，一致性界限：0.63±7.06次/分钟），而长短期记忆网络的相应数值分别为中位F1值0.90，平均绝对误差±置信区间3.11±1.58次/分钟，传统信号处理方法的数值为平均绝对误差±置信区间2.36±1.11次/分钟。

结论

这是首次实现自动检测运动中的马匹呼吸声音并自动计算其动态呼吸频率的研究。未来，我们将进一步在较低运动强度的声音样本上验证这些模型，同时评估不同麦克风摆放位置的效果，以找到最适合常规监测的组合。