Lung-SRAD: 호흡 소리 분류를 위한 이중 축 패치-믹스 대조 학습을 적용한 스펙트럼 인식 정규화 오디오 DASS

요약

본 연구는 호흡 소리 분류(RSC)의 한계점을 극복하기 위해 State Space Models (SSMs)를 대안 백본으로 제안합니다. 여기에 스펙트럼 인식 레이어 정규화와 이중 축 패치-믹스 대조 학습을 결합하여 강력한 표현 학습을 수행했습니다. ICBHI 벤치마크에서 AST 대비 성능 향상을 입증하며, 관련 코드를 공개했습니다.

핵심 포인트

• RSC 연구의 한계점(AST 기반)을 지적하고 SSM을 대안으로 제시함.
• 스펙트럼 인식 레이어 정규화와 이중 축 패치-믹스 대조 학습을 결합함.
• ICBHI 벤치마크에서 AST 대비 성능 향상(5%p)을 달성함.
• 관련 코드를 GitHub에 공개하여 접근성을 높임.