EGGNet：通过喉电图学习声门周期的时间边界

《Artificial Life》：EGGNet: Learning Temporal Boundaries of Glottal Cycles from Electroglottography

　　

摘要：

电声门图技术被广泛用于提供直接且可靠的生理信号以用于音高标注。然而，现有的基于电声门图的GCI检测方法，包括传统的信号处理方法如peakdet和SIGMA，以及基于CNN的gcicls方法，在电声门图记录质量下降的情况下，仍然存在稳定性与精确度-召回率之间的平衡问题。本文提出了EGGNet，这是一种宽上下文的多分支卷积模型，通过多尺度卷积建模和顺序优化设计来实现更稳定的GCI检测。此外，还引入了级联监督架构作为训练策略，以促进软标签和硬标签之间的协作，从而有效平衡召回率和定位精度。在评估方面，采用了容差窗口准则以及基于贪婪算法的一对一匹配策略，以减少由时间定位稀疏性导致的误差，消除传统方法中常见的一对多或多对一评估偏差，并将匹配误差控制在±0.25毫秒的采样点范围内，即便每秒有数万个样本。在PTDB-TUG数据集上的实验表明，EGGNet的性能优于最强的外部参考方法——基于CNN的gcicls，其F1分数分别达到了96.4%、95.9%以及80.4%，相比gcicls分别提升了10.2%、1.3%和1.7%的绝对F1分数。消融实验进一步表明，EGGNet在高噪声语料库上的表现更好，而软标签-硬标签级联监督机制使精确度-召回率平衡相比单一监督方案提升了6.7%。