骨传导声音谱图经数据增强改进长骨固有频率预测

《Signals》：Improvement of Natural Frequency Prediction from Spectrogram of Bone-Conducted Sound by Data Augmentation

　　

本研究探讨了数据增强对机器学习（ML）模型的影响，该模型从骨传导声音的谱图（spectrogram）预测人体长骨的固有频率（natural frequency）。研究人员使用定制开发的敲击装置从45名健康大学生的胫骨记录骨传导声音。对记录的声音应用短时傅里叶变换（STFT）生成谱图，据此检验六种ML模型以预测固有频率。通过记录声音波形的快速傅里叶变换（FFT）频谱识别的峰值定义为真实固有频率。数据增强通过对骨传导声音波形进行平移实现，扩展至5个水平，即3倍（3×）至11倍（11×）。所有模型相比原始数据集均因数据增强而精度提升，许多模型在数据集从原始扩展至3×水平时提升尤为显著。在所检模型中，采用11×数据增强的DenseNet-121取得最低平均绝对误差（MAE）和最高决定系数（R2）（10.00±2.27 Hz；R2=0.927±0.046），其次为基于轻量化DenseNet架构的PeleeNet在7×数据增强下（MAE=10.37±2.91 Hz，R2=0.920±0.059）。

研究背景与动机

骨密度（BMD）测量是评估骨健康的常用手段，双能X射线吸收法（DXA）最常用，但其仅测面积骨密度、辐射暴露且对骨折风险预测有限；定量计算机断层扫描（QCT）虽测体积骨密度更准，却因辐射、成本难用于常规筛查；定量超声（QUS）无辐射但与传统DXA相关性弱（r=0.35），漏诊率高。骨强度不仅取决于BMD，还依赖骨质量与力学特性。冲激响应法（impulse response method）通过敲击长骨产生骨传导振动，由固有频率推算骨强度指数，但传统FFT峰值识别依赖专家经验、敲击力变异大。借鉴混凝土敲击声检测中由FFT转向STFT谱图输入卷积神经网络（CNN）的思路，研究人员将骨传导声STFT谱图送入CNN预测固有频率，以避免人工判读。前期仅用ResNet且未系统评估数据增强，本文在《Signals》发表的工作即扩充至六种模型并量化时移增强倍数（3×~11×）的影响。

主要关键技术方法

研究人员招募45名健康大学生（男17女28，均值年龄20.36±1.53岁），用自研敲击装置于右胫骨内侧踝垂直敲击5次，加速度传感器（GSS-4SC）置于右胫骨内侧髁，采样率11025 Hz，获225段骨传导声。每段经200~500 Hz带通滤波，FFT（尺寸1024）定标真实固有频率，STFT（尺寸512，跳步128，汉宁窗）转224×224×3谱图。数据增强仅在训练集对波形做前后时移（步长0.005 s）再滤波得谱图，水平含3×、5×、7×、9×、11×。六模型为AlexNet、VGG-16、ResNet-18、DenseNet-121、PeleeNet、EfficientNet-B0，均从头训练（无ImageNet预训练）。按受试者做5折Group K-Fold交叉验证防同人数据泄露，评价指标为五折平均MAE与R²，学习率用ReduceLROnPlateau动态衰减。

研究结果

1. 3.
   Results and Discussion
   随增强倍数由1×增至11×，各模型验证集平均MAE下降、R²上升。DenseNet-121配11×增强最优：MAE 10.00±2.27 Hz（占均值371.87 Hz的2.69%），R²=0.927±0.046；PeleeNet配7×次之（MAE 10.37±2.91 Hz，R²=0.920±0.059），其参数约为DenseNet-121三分之一，Wilcoxon检验两模型无显著差异（p=0.3125）。ResNet、DenseNet、PeleeNet、EfficientNet-B0在1×→3×时精度提升具统计显著性（p<0.05）。VGG-16、PeleeNet、EfficientNet-B0在过高倍数（9×或11×）出现MAE回升，提示冗余样本致饱和。DenseNet类架构（含轻量PeleeNet）整体优于其余。边缘部署测算中PeleeNet模型体积最小、推理最快，综合精度与算力适合树莓派级设备。局限含增强仅到11×、缺独立外部验证、对象仅为青年健康人、过度增强或生冗余需特征空间分析。

讨论与结论翻译

1. 4.
   Conclusions
   本研究考察数据增强对由骨传导声音谱图预测人体长骨固有频率精度的改善。六种ML模型在3×~11×五水平下，所有模型较1×原始集均提升，多数模型1×→3×提升明显；时移增强虽生成相似剖面但扩充了数据表征。即便骨传导声样本少，配合增强亦可提点。PeleeNet参数量小却达复杂模型同级精度，结合推理时间与算力成本，轻量模型配增强可胜任该任务。后续需扩增强区间、试Vision Transformer（ViT）、ConvNeXt、EfficientFormer及时间拉伸、基音移调、mixup等增强，并收骨质疏松人群以证骨强-频率关联及临床适用。