详细内容或原文请订阅后点击阅览
基金会模型隐藏表示从听诊估算的心率估计
听诊，尤其是心脏声音，是一种提供必不可少的生命体征信息的无侵蚀性技术。非常肯定地，已经提出了自我监督的声学代表模型（FMS），以提供基于洞察力的奥斯科群体基于Acouttics的生命体征。但是，已经探索了这些预训练的FM表示中的听诊的程度。在这项工作中，使用公开可用的Phonocardioram（PCG）数据集和心率（HR）估计模型，我们对六个声学代表FMS进行了层次调查：Hubert：hubert，wav2vec2…
来源:Apple机器学习研究听诊，尤其是心脏声音，是一种提供必不可少的生命体征信息的无侵蚀性技术。非常肯定地，已经提出了自我监督的声学代表模型（FMS），以提供基于洞察力的奥斯科群体基于Acouttics的生命体征。但是，已经探索了这些预训练的FM表示中的听诊的程度。在这项工作中，使用公开可用的Phonocardioram（PCG）数据集和心率（HR）估计模型，我们对六个声学代表FMS进行了层次调查：Hubert，Hubert，wav2Vec2，wav2Vec2，wavlm，wavper，wheplm，con-Tristive语言 - 语言审计（clap）和一个内部的校园模型。此外，我们从[1]（依赖于声学纤维）实施了基线方法，并表明，总体而言，来自Preain训练的基础模型（FMS）的表示向量提供了与基线相当的性能。值得注意的是，从室内拍手模型的音频编码器中的表示形式优于基线获得的结果，从而在各种列车/验证/测试拆分上达到了较低的平均绝对误差（MAE）。
- †北卡罗来纳大学教堂山大学§JohnsHopkins University•在Apple 上完成工作
†北卡罗来纳大学教堂山分校
§JohnsHopkins University
•在Apple 上完成的工作