多呼吸增强的异常肺音分类：一种轻量级多标签和多头注意力分类方法
原文中文，约300字，阅读约需1分钟。发表于：。该研究旨在发展一个辅助诊断系统，通过创新的多标签学习方法和多头注意机制，提高自动异常呼吸声分类的准确性。我们的研究解决了现有呼吸声数据集中类别不平衡和缺乏多样性的问题，采用了轻量级且高精度的模型，使用二维标签集表示多个呼吸声特征。我们的方法在 ICBHI2017 数据集的四类任务中获得了 59.2% 的 ICBHI...
该研究开发了一个辅助诊断系统，通过创新的学习方法和注意机制，提高了自动异常呼吸声分类的准确性。研究解决了呼吸声数据集中的问题，并使用了轻量级高精度模型。在ICBHI2017数据集中，该方法在四个任务中获得了59.2%的ICBHI分数，证明了其优势。该研究不仅提高了肺部呼吸声异常的自动诊断准确性，还为临床应用开辟了新的可能性。
