呼吸音分类研究显示特征标准化效应大于模型架构选择

2026年10月，Abubakar Chilala等人在arXiv发布论文，针对无GPU及联网条件的低资源诊所呼吸筛查场景，对比了经典机器学习与深度学习模型。 研究基于1211条五类呼吸声音片段，采用预注册的患者分组交叉验证。结果显示，30维特征SVM模型宏召回率达0.78，略高于1.13M参数CRNN网络的0.75-0.77，两者差异不显著。SVM最稀有类别召回率为0.71。 分析表明，特征标准化使SVM宏召回率从0.51升至0.78，该27个百分点的预处理效应大于模型间差距。此外，SVM仅使用CPU即可在51-74ms内完成推理，适合资源受限环境。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。