論文の概要: BreathGRU: A Novel Semi-Supervised Bidirectional Gated Recurrent Unit Framework for Speech and Breath Segmentation for Respiratory Audio

• arxiv url: http://arxiv.org/abs/2609.31165v1
• Date: Fri, 25 Sep 2026 11:58:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.371882
• Title: BreathGRU: A Novel Semi-Supervised Bidirectional Gated Recurrent Unit Framework for Speech and Breath Segmentation for Respiratory Audio
• Title（参考訳）: BreathGRU: 呼吸音の発声・発声・発声のための半教師付き双方向同期ユニットフレームワーク
• Abstract要約: BreathGRU (BreathGRU) は、音声・音声のセグメンテーション用に設計された半教師付き双方向Gated Recurrent Unit (BiGRU) フレームワークである。 フレームレベルの音響特徴抽出と双方向のリカレント・モデリング、擬似ラベル改善、時間制約付きセグメンタルビタビ復号とを組み合わせて、音声と呼吸のセグメンテーションを生成する。 実験の結果,BreathGRUは最大呼吸イベントリコール(0.83),最低オンセット局所化誤差(0.14s),平均一致インターセクション(0.81s)を達成した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Speech-breath segmentation is a fundamental preprocessing step in respiratory audio analysis, enabling applications such as respiratory acoustic biomarker extraction, lung function prediction and disease monitoring. Existing approaches, including threshold methods, Fourier Transform-based techniques, and unsupervised and pretrained voice activity detection (VAD) models, primarily focus on speech detection and often classify breathing events as non-speech or silence, limiting their applicability for precise breath detection. To address this limitation, we propose BreathGRU, a semi-supervised Bidirectional Gated Recurrent Unit (BiGRU) framework specifically designed for speech-breath segmentation. The proposed framework combines frame-level acoustic feature extraction with bidirectional recurrent modelling, pseudo-label refinement and duration-constrained Segmental Viterbi decoding to produce speech and breath segmentation. BreathGRU was evaluated against the existing approaches, using manually annotated recordings. Performance was assessed using event-based, time-based, overlap-based, duration-based and boundary-based segmentation metrics. Experiment results demonstrated that BreathGRU achieved the highest breath event recall (0.83), the lowest onset-localisation error (0.14s) and the highest Mean Match Intersection over Union (0.81), with competitive overall segmentation performance compared to large pretrained VAD models like Silero. Qualitative evaluation on manually annotated recordings further showed close agreement between BreathGRU and manual annotation, with better breath detection compared to Silero. These findings demonstrate that explicit breath event modelling provides advantages over general-purpose VAD models and establish BreathGRU as an effective speech-breath segmentation framework which can be applied for respiratory audio analysis and pulmonary healthcare applications.
• Abstract（参考訳）: 音声呼吸のセグメンテーションは、呼吸音響分析の基本的な前処理ステップであり、呼吸音響バイオマーカー抽出、肺機能予測、疾患モニタリングなどの応用を可能にする。 しきい値法、フーリエ変換に基づく手法、教師なしおよび事前訓練された音声活動検出(VAD)モデルを含む既存のアプローチは、主に音声検出に焦点を当て、呼吸イベントを非音声または沈黙として分類し、正確な呼吸検出に適用性を制限する。 この制限に対処するため,BreathGRUは,音声・音声のセグメンテーションに特化して設計された,半教師付き双方向Gated Recurrent Unit (BiGRU) フレームワークである。 提案手法は, フレームレベルの音響特徴抽出と双方向のリカレントモデル, 擬似ラベル改善, 持続時間制約付きセグメンタルビタビ復号とを組み合わせて, 音声と呼吸のセグメンテーションを生成する。 BreathGRUは手動のアノテート記録を用いて既存のアプローチに対して評価された。 パフォーマンスは、イベントベース、時間ベース、重複ベース、期間ベース、境界ベースのセグメンテーションメトリクスを使用して評価された。 実験の結果,BreathGRUは最大呼吸イベントリコール(0.83),最低オンセット局所化誤差(0.14s),平均一致インターセクション(0.81s)を達成した。 また,手書きアノテート記録の質的評価により,BreathGRUと手書きアノテーションとの密接な一致がみられた。 以上の結果から,明示的な呼吸イベントモデリングは汎用的VADモデルよりも有利であり,呼吸オーディオ分析や肺医療への応用に応用できる効果的な音声-呼吸セグメンテーションフレームワークとしてBreathGRUを確立することが示唆された。

関連論文リスト

• EZhouNet:A framework based on graph neural network and anchor interval for the respiratory sound event detection [7.29257171556766]
  可変長オーディオを処理可能なアンカー間隔を持つグラフニューラルネットワークベースのフレームワークを提案する。 本手法は呼吸音検出の柔軟性と適用性を両立させる。
  論文  参考訳（メタデータ） (2025-09-01T06:10:30Z)
• $C^2$AV-TSE: Context and Confidence-aware Audio Visual Target Speaker Extraction [80.57232374640911]
  我々はMask-And-Recover (MAR)と呼ばれるモデルに依存しない戦略を提案する。 MARは、モダリティ間およびモダリティ間コンテキスト相関を統合し、抽出モジュール内の大域的推論を可能にする。 各サンプルの難易度を向上するために, 精細信頼スコア(FCS)モデルを導入する。
  論文  参考訳（メタデータ） (2025-04-01T13:01:30Z)
• Pre-Trained Foundation Model representations to uncover Breathing patterns in Speech [2.935056044470713]
  呼吸速度(英: respiratory rate, RR)は、個人の健康、フィットネス、健康全般を評価するために用いられる重要な指標である。 RRを測定するための既存のアプローチは、特殊装備や訓練を用いて実施されている。 機械学習アルゴリズムは、バイオセンサー信号を入力としてRRを推定できることを示した。
  論文  参考訳（メタデータ） (2024-07-17T21:57:18Z)
• Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation [67.19443246236048]
  気道セグメンテーションは肺疾患の検査、診断、予後に重要である。 いくつかの小型の気道支線(気管支や終端など)は自動セグメンテーションの難しさを著しく増す。 本稿では,新しいファジィアテンションニューラルネットワークと包括的損失関数を備える,気道セグメンテーションの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2022-09-05T16:38:13Z)
• What Makes for Automatic Reconstruction of Pulmonary Segments [50.216231776343115]
  肺の3次元再構成は肺癌の外科的治療計画において重要な役割を担っている。 しかし, 深層学習の時代には, 肺部分の自動再建は行われていない。 肺セグメント再建のための深部暗黙表面モデルImPulSeを提案する。
  論文  参考訳（メタデータ） (2022-07-07T04:24:17Z)
• BronchusNet: Region and Structure Prior Embedded Representation Learning for Bronchus Segmentation and Classification [53.53758990624962]
  そこで我々は,BronchusNetという組込みフレームワークに先立って,正確な気管支分析を行うための領域と構造を提案する。 気管支分画のための適応型ハード領域対応UNetを提案する。 気管支枝の分類には,ハイブリッドな点-ボクセルグラフ学習モジュールを提案する。
  論文  参考訳（メタデータ） (2022-05-14T02:32:33Z)
• Improving Classification Model Performance on Chest X-Rays through Lung Segmentation [63.45024974079371]
  本稿では, セグメンテーションによる異常胸部X線(CXR)識別性能を向上させるための深層学習手法を提案する。 提案手法は,CXR画像中の肺領域を局所化するための深層ニューラルネットワーク(XLSor)と,大規模CXRデータセットで事前学習した自己教師あり運動量コントラスト(MoCo)モデルのバックボーンを用いたCXR分類モデルである。
  論文  参考訳（メタデータ） (2022-02-22T15:24:06Z)
• Simultaneous Denoising and Dereverberation Using Deep Embedding Features [64.58693911070228]
  ディープ埋め込み特徴を用いた同時発声・発声同時学習法を提案する。 ノイズ発生段階では、DCネットワークを利用してノイズのないディープ埋込み特性を抽出する。 残響段階では、教師なしのK平均クラスタリングアルゴリズムの代わりに、別のニューラルネットワークを用いて無響音声を推定する。
  論文  参考訳（メタデータ） (2020-04-06T06:34:01Z)
• CNN-MoE based framework for classification of respiratory anomalies and lung disease detection [33.45087488971683]
  本稿では,聴取分析のための頑健な深層学習フレームワークを提示し,検討する。 呼吸周期の異常を分類し、呼吸音の記録から病気を検出することを目的としている。
  論文  参考訳（メタデータ） (2020-04-04T21:45:06Z)
• Robust Deep Learning Framework For Predicting Respiratory Anomalies and Diseases [26.786743524562322]
  本稿では,呼吸音の記録から呼吸器疾患を検出するための,堅牢な深層学習フレームワークを提案する。 バックエンドのディープラーニングモデルは、特徴を呼吸器疾患または異常のクラスに分類する。 ICBHIベンチマークを用いて実験を行い, 音の分類能力を評価する。
  論文  参考訳（メタデータ） (2020-01-21T15:26:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。