睡眠呼吸暫停是一種在睡眠期間人的呼吸中斷時(shí)發(fā)生的疾病，估計影響了大約2200萬(wàn)美國人。麻煩的是，大部分病例--80% - 未被診斷，如果不及時(shí)治療，睡眠呼吸暫停會(huì )增加患冠狀動(dòng)脈疾病，心臟病，心力衰竭和中風(fēng)的風(fēng)險。

一個(gè)研究領(lǐng)域 - 自動(dòng)打鼾聲音分類(lèi)，或ASSC--旨在開(kāi)發(fā)一種基于打鼾聲音的睡眠呼吸暫停診斷方法(睡眠呼吸暫停的特點(diǎn)是減少或完全停止氣流的重復發(fā)作)。但是，盡管近年來(lái)取得了進(jìn)展，但仍然缺乏可以訓練ASSC系統的標記數據。

這就是為什么倫敦帝國理工學(xué)院，奧格斯堡大學(xué)和慕尼黑技術(shù)大學(xué)的研究人員在一篇新論文(“ Snore-GANs：用合成數據改進(jìn)自動(dòng)打鼾聲音分類(lèi) ”)中尋求開(kāi)發(fā)創(chuàng )造合成的生成對抗網(wǎng)絡(luò )(GAN)的原因。數據填補實(shí)際數據的空白。(對于沒(méi)有經(jīng)驗的人來(lái)說(shuō)，GAN是由生成樣本和鑒別器的生成器組成的兩部分神經(jīng)網(wǎng)絡(luò )，試圖區分生成的樣本和現實(shí)樣本。)然后使用增強數據集來(lái)訓練ASSC。

“在進(jìn)行數據增強時(shí)，我們聚合來(lái)自所有[GAN]的數據，并從池中隨機選擇進(jìn)一步合并到原始訓練集中的數據。通過(guò)這樣做，預計將擴大來(lái)自單獨[GAN]的增強數據的多樣性，“該論文的作者解釋說(shuō)。

為了驗證他們的方法，他們使用了一個(gè)公開(kāi)的數據集 - 慕尼黑 - 帕薩鼾聲音庫(MPSSC) - 在打鼾時(shí)對上呼吸道內的振動(dòng)位置進(jìn)行分類(lèi)，從德國三個(gè)醫療中心現有的檢查記錄開(kāi)始2006年至2015年期間的臨床檢查。根據隨附視頻記錄的結果，選擇的打鼾事件由醫療耳鼻喉專(zhuān)家分類(lèi)，注釋的樣本分為獨立于受試者的培訓，開(kāi)發(fā)和測試集。

那個(gè)方法怎么樣呢?該論文的作者報告說(shuō)，他們成功地生成了與原始數據共享分布的數據，從而導致培訓數據量的增加，而無(wú)需人工注釋。此外，他們說(shuō)，合成和原始數據的結合改善了分類(lèi)器的性能。

“未來(lái)，我們將不斷收集來(lái)自不同醫院和患者的更多鼾聲數據，以增加數據量和多樣性，我們將重新評估所提出的方法，”研究人員說(shuō)。“此外，我們將在以下工作中進(jìn)一步提出和評估更先進(jìn)的......系統，以改進(jìn)聲學(xué)序列生成模型。”