🧬 biology

Acoustic Data Synthesis for Evaluating Noise Reduction in Bioacoustic Event Detection

Este artículo presenta un conjunto de herramientas abierto para sintetizar grabaciones acústicas marinas con relaciones señal-ruido controladas para evaluar los front-ends de reducción de ruido, demostrando cómo dicho procesamiento afecta la detectabilidad de eventos y el rendimiento de los modelos de detección preentrenados.

Autores originales: Bram Cuyx, Clea Parcerisas, Elisabeth Debusschere, Thomas Dietzen

Publicado 2026-07-31

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Bram Cuyx, Clea Parcerisas, Elisabeth Debusschere, Thomas Dietzen

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagina el océano como una gigantesca sala de conciertos submarina. Nunca está en silencio; está lleno de un rugido constante y agitado llamado "paisaje sonoro". Esto no es solo ruido de fondo; es una mezcla de la propia música de la naturaleza (ballenas cantando, peces haciendo clics), el estruendo de la tierra (olas rompiendo, hielo quebrándose) y la estática fuerte y chirriante de la actividad humana (barcos avanzando, máquinas de perforación). Los científicos utilizan micrófonos submarinos especiales, llamados hidrófonos, para grabar este concierto. Su objetivo es identificar "solos" específicos —como el llamado de una ballena en particular— para entender si el ecosistema es saludable. Pero aquí está el problema: el ruido humano es tan fuerte que ahoga la música, haciendo imposible distinguir quién está cantando.

Para solucionar esto, los investigadores suelen intentar utilizar herramientas de "reducción de ruido", que actúan como un par de auriculares digitales con cancelación de ruido para el océano. La idea es limpiar la estática para que los sonidos de los animales brillen. Sin embargo, hay un inconveniente. Estas herramientas cambian el sonido de formas que podrían confundir a los programas informáticos (IA) entrenados para reconocer a los animales. Es como si limpiaras una pintura embarrada tan bien que los colores cambiaran, y el experto en arte ya no reconociera la obra maestra. Antes de confiar en estas herramientas, necesitamos una forma de probarlas perfectamente. Necesitamos una manera de crear grabaciones oceánicas falsas donde sepamos exactamente qué tan fuerte es la música y exactamente qué tan fuerte es el ruido, para así ver si la herramienta de limpieza ayuda o perjudica.

Esto es exactamente lo que Bram Cuyx y su equipo del Instituto Marino de Flandes y la KU Leuven se propusieron hacer. Se dieron cuenta de que, en el mundo real, es casi imposible encontrar una grabación "limpia" del sonido de un animal sin ningún ruido de fondo que sirva como referencia perfecta. Así que, en lugar de buscar grabaciones perfectas, construyeron un "laboratorio de sonido" digital. Crearon un conjunto de herramientas de código abierto que permite a cualquiera mezclar y combinar sonidos reales de animales con ruidos oceánicos reales para crear miles de grabaciones sintéticas completamente nuevas. La magia de su sistema es que conocen la "verdad fundamental" (ground truth): saben exactamente qué parte de la grabación falsa es el animal y qué parte es el ruido. Incluso generan una "máscara" especial, como un estarcido, que muestra exactamente dónde se esconde la energía del animal en la onda sonora.

Utilizando este conjunto de herramientas, el equipo realizó una serie de experimentos para ver qué tan bien podían los modelos de IA encontrar sonidos de animales cuando el océano era ruidoso. Probaron los modelos en grabaciones con Relaciones Señal-Ruido (SNR) que variaban desde -15 dB (ruido extremadamente fuerte) hasta 20 dB (sonidos muy claros). Luego aplicaron un filtro de reducción de ruido simple, llamado filtro de Wiener, para ver si hacía al IA más inteligente.

Los resultados fueron una mezcla de sorpresas y advertencias. Primero, descubrieron que cuando el ruido es demasiado fuerte (por debajo de -5 dB), los modelos de IA esencialmente se rinden, no funcionando mejor que un intento al azar. Esto sugiere que la reducción de ruido es absolutamente necesaria para que estas herramientas funcionen en el océano real y desordenado. Sin embargo, el efecto de la reducción de ruido no fue el mismo para cada modelo. Para algunos modelos de IA, como el diseñado para ballenas (Google Whale), el filtro de reducción de ruido fue un factor decisivo, mejorando significamente su capacidad para escuchar la señal. Para otros, como el modelo para especies de arrecife (SurfPerch), el filtro no ayudó mucho en absoluto.

El estudio también mostró que el simple filtro de Wiener que utilizaron tiene límites. Ante niveles de señal muy bajos, el filtro tiene dificultades para limpiar el sonido de manera efectiva. Sin embargo, para los modelos que sí mejoraron, el filtro ayudó a potenciar su rendimiento. Los autores enfatizan que esto no significa que la reducción de ruido sea una solución mágica que lo resuelve todo. Al contrario, sus hallazgos sugieren que no podemos simplemente aplicar un filtro de ruido a cualquier sistema de detección y esperar que funcione. La relación entre el ruido, el filtro y el modelo de IA específico es compleja.

En resumen, el artículo presenta una nueva y vital herramienta para que los científicos construyan mejores y más seguros campos de prueba para la tecnología de escucha oceánica. Demuestra que, si bien limpiar el ruido puede ayudar, debe hacerse con cuidado y probarse específicamente para cada modelo de IA, porque lo que ayuda a uno puede no ayudar a otro. El conjunto de herramientas que crearon permite a los investigadores simular estos escenarios complicados sin necesidad de datos reales perfectos, allanando el camino para formas más confiables de escuchar los secretos del océano.

Resumen Técnico: Síntesis de Datos Acústicos para la Evaluación de la Reducción de Ruido en la Detección de Eventos Bioacústicos

Planteamiento del Problema
El monitoreo acústico pasivo (PAM, por sus siglas en inglés) se utiliza cada vez más para evaluar la salud de los ecosistemas submarinos mediante el análisis de eventos del paisaje sonoro (biofonía, geofonía y antropofonía). Sin embargo, la utilidad de estas grabaciones se ve a menudo comprometida por altos niveles de ruido continuo proveniente de fuentes como el transporte marítimo, la pesca, los levantamientos sísmicos y los artefactos de los instrumentos. Este ruido resulta en relaciones señal-ruido (SNR) bajas, lo que dificulta la capacidad de los sistemas de Detección de Eventos de Sonido (SED) para separar y clasificar eventos.

Aunque los front-ends de reducción de ruido (NR) son una estrategia común en otros campos como el procesamiento de voz para mejorar la calidad de la señal antes del análisis, su aplicación en la bioacústica marina sigue siendo poco explorada. Un desafío crítico es que los algoritmos de NR alteran las características espectrotemporales de la entrada, cambiando así la distribución de entrada para las redes de incrustación (embedding networks) posteriores. Sin entornos de prueba controlados, es difícil determinar si un paso de preprocesamiento mejora genuinamente la detección o si degrada inadvertidamente el rendimiento del modelo. Además, los conjuntos de datos bioacústicos existentes suelen carecer de etiquetas de verdad fundamental (ground truth) "limpias", ya que los eventos rara vez se graban de forma aislada de sus entornos ruidosos, lo que dificulta la síntesis de datos con niveles de SNR conocidos para una evaluación rigurosa.

Metodología
Los autores proponen un kit de herramientas de síntesis de datos de código abierto diseñado para generar grabaciones acústicas marinas con parámetros totalmente controlados (SNR, conteo de eventos, duración y origen del ruido). La metodología consta de cuatro etapas clave:

Generación de Máscaras de Presencia de Eventos:
Para separar la energía del evento del ruido de fondo en las grabaciones existentes, los autores utilizan la Factorización de Matrices No Negativas (NMF). Descomponen el espectrograma de potencia de una grabación seleccionada manualmente en espectros de base y activaciones temporales. Al asumir que el ruido de fondo es estacionario, estiman el espectro de potencia del ruido a partir del primer segundo de la grabación (donde, por diseño, no hay energía de eventos). Luego, se genera una máscara binaria de tiempo-frecuencia mediante el umbral de la potencia residual (espectrograma reconstruido menos el ruido estimado). Esta máscara identifica los bins de tiempo-frecuencia que contienen la energía del evento, permitiendo la extracción de una estimación de evento "limpia".
Síntesis de Grabaciones:
El kit de herramientas sintetiza nuevas grabaciones mezclando los componentes de eventos "limpios" extraídos con fragmentos de ruido de fondo seleccionados. La síntesis ocurre en el dominio tiempo-frecuencia utilizando la Transformada de Fourier de Tiempo Corto (STFT). El componente del evento se escala mediante un factor $\sigma$ para lograr una SNR objetivo específica respecto al componente de ruido. El proceso genera una señal sintética $Y_{syn} = E_{syn} + N_{rec}$ , acompañada de un archivo de metadatos que detalla explícitamente los archivos de origen, el inicio/final del evento, la máscara binaria de evento y el factor de escala utilizado.
Evaluación de la Reducción de Ruido:
Para demostrar la utilidad del kit de herramientas, los autores aplican un filtro de Wiener simple como paso de preprocesamiento. Este filtro opera en el dominio tiempo-frecuencia, estimando la Densidad Espectral de Potencia (PSD) del evento de forma recursiva y aplicando una función de ganancia basada en la relación entre la PSD estimada del evento y la PSD total de la señal. Los parámetros del filtro (factor de olvido $\beta$ y ganancia mínima $\xi$ ) se ajustaron para equilibrar la reducción de ruido con la minimización de los artefactos de "ruido musical".
Configuración Experimental:
Los autores generaron un conjunto de datos de 1,600 grabaciones (10 segundos cada una, 48 kHz) cubriendo niveles de SNR desde -15 dB hasta 20 dB, con 0 o 1 evento por archivo. Evaluaron cinco modelos bioacústicos preentrenados (Perch V2, SurfPerch, BirdNET, BioLingual y Google Whale) entrenando clasificadores lineales sobre sus incrustaciones (embeddings). El rendimiento se midió mediante puntuaciones F1 y el área bajo la curva ROC (ROC-AUC), comparando los resultados de los datos ruidosos brutos frente a los datos filtrados por Wiener.

Contribuciones Clave

Kit de Herramientas de Código Abierto: La introducción de una herramienta capaz de sintetizar conjuntos de datos bioacústicos con control preciso sobre la SNR y la presencia de eventos, acompañada de máscaras binarias de tiempo-frecuencia de verdad fundamental.
Marco de Evaluación: Una metodología para aislar y evaluar el impacto del preprocesamiento de reducción de ruido en los procesos de SED, abordando la falta de verdad fundamental "limpia" en los datos bioacústicos del mundo real.
Análisis Empírico: Una investigación sistemática sobre cómo diferentes modelos preentrenados responden a la reducción de ruido en varios niveles de SNR, destacando que la eficacia del preprocesamiento depende del modelo.

Resultados
La evaluación arrojó varios hallazgos clave:

Dependencia de la SNR: Todos los modelos exhibieron una disminución en el rendimiento (F1 y ROC-AUC) a medida que la SNR disminuía. Notablemente, en niveles de SNR inferiores a -5 dB, todos los modelos operaron al nivel del azar (ROC-AUC $\approx$ 0.5), lo que indica un umbral donde los modelos actuales fallan en distinguir los eventos del ruido.
Mejora Dependiente del Modelo: El impacto del filtro de Wiener no fue uniforme entre los modelos. El modelo "Google Whale", que tenía el peor rendimiento base, mostró la mejora más significativa tras la reducción de ruido. Por el contrario, el modelo "SurfPerch", que tuvo el mejor rendimiento general, mostró ganancias mínimas gracias al filtro.
Limitaciones del Filtador: El filtro de Wiener simple proporcionó una reducción de ruido limitada en SNRs muy bajas, pero mostró aumentos de rendimiento crecientes a medida que la SNR de entrada aumentaba.

Significado y Reivindicaciones
El artículo afirma que la síntesis controlada de datos es esencial para aislar los efectos del preprocesamiento en los procesos de detección bioacústica. Los autores sostienen que su kit de herramientas permite a los investigadores:

Probar rigurosamente si las estrategias de reducción de ruido realmente mejoran la detección o simplemente alteran la distribución de entrada de formas que confunden a los modelos.
Aumentar los conjuntos de datos existentes con nuevos escenarios de ruido controlados para mejorar la robustez de los modelos.
Comprender que la "mejor" estrategia de reducción de ruido no es universal, sino que depende fuertemente de la arquitectura y el entrenamiento del modelo de detección posterior.

Los autores concluyen que, si bien su implementación específica (un filtro de Wiener simple) mostró resultados prometedores, el marco permite la exploración futura de técnicas más avanzadas, como la eliminación de ruido basada en aprendizaje profundo o el procesamiento de arreglos, dentro de un entorno de evaluación controlado. Enfatizan que es necesaria una evaluación cuidadosa de los pasos de procesamiento antes de integrarlos en los procesos de detección operativos.

Más como este