基于深度学习的最小预处理范式：通过咳嗽音频实现可靠的COVID-19检测

《Scientific Reports》：Minimal-preprocessing paradigm for robust COVID-19 detection from cough audio using deep learning

　　

摘要

新冠肺炎疫情凸显了快速、便捷且无创的筛查工具在补充传统诊断方法方面的必要性。虽然基于音频的咳嗽信号分析已成为一种有前景的方法，但大多数现有研究依赖于复杂的预处理流程，这些流程旨在抑制噪声和增强信号。然而，这种预处理对模型泛化能力的影响尚未得到充分理解。本研究挑战了“必须进行大量预处理才能实现可靠的基于音频的诊断”这一普遍假设。我们提出了一种系统性的预处理策略评估方法，探讨了是否可以通过最小限度的预处理来保留具有诊断价值的声音信息并提升模型性能。咳嗽录音通过短时傅里叶变换（STFT）和梅尔频率倒谱系数（MFCCs）转换为时频表示，然后使用多种卷积神经网络（CNN）架构进行分类，包括ResNet、Inception和MobileNet等变体。实验结果表明，仅使用快速傅里叶变换（FFT）而无需额外滤波的预处理方法，其性能始终优于传统的降噪技术。表现最佳的模型ResNet50V2在测试中的准确率为86.79%，且在精确度、灵敏度、特异性和F1分数方面表现均衡。此外，STFT和MFCC特征的结合提供了互补的信息，提高了分类的鲁棒性。这些发现表明，保留完整的频谱信息对于基于深度学习的音频诊断至关重要，而过于激进的预处理可能会无意中掩盖细微的病理特征。本研究为基于咳嗽信号的COVID-19检测建立了最小预处理范式，并为开发鲁棒、可扩展且无创的诊断系统提供了实用见解。