arXiv ID:
2606.10972
arXiv 提交日期: 2026-06-09
基于CNN和GRU网络优化二维输入表示与子阶段融合策略用于哮喘与COPD的鉴别诊断 / Optimizing 2D Input Representations and Sub-phase Fusion Strategies for Differential Diagnosis of Asthma and COPD Using CNN- and GRU-Based Networks
1️⃣ 一句话总结
该研究比较了梅尔频率倒谱系数、对数梅尔频谱图和VAR模型三种二维音频表示在哮喘与慢阻肺鉴别诊断中的效果,发现梅尔频率倒谱系数配合自适应长度窗口和直接特征拼接效果最佳,而复杂融合策略和数据增强反而降低了诊断准确率。