Quality Adaptive Angular Margin Learning for Respiratory Sound Classification

Résumé Technique : Apprentissage de Marge Angulaire Adaptatif à la Qualité pour la Classification des Sons Respiratoires

Énoncé du Problème
La classification des sons respiratoires (RSC - Respiratory Sound Classification) fait face à deux défis primordiaux qui entravent la généralisation des modèles aux données cliniques réelles :

1. Qualité d'enregistrement variable : Les jeux de données publics comme ICBHI contiennent des enregistrements de qualités variables. Les échantillons de faible qualité introduisent souvent du bruit qui imite une pathologie, incitant les modèles à apprendre des corrélations fallacieuses plutôt que de véritables caractéristiques de maladies.
2. Déséquilibre de classe sévère et chevauchement fin : Les jeux de données RSC souffrent d'un déséquilibre significatif entre les classes normales et anormales. De plus, les catégories anormales (par exemple, les crépitants et les sibilances) surviennent souvent simultanément, créant des défis de classification fine où les frontières acoustiques sont subtiles et se chevauchent.

Les méthodes existantes, y compris l'augmentation de données et l'intégration de métadonnées, ont peiné à atténuer pleinement ces problèmes, ce qui se traduit par des modèles manquant de frontières de décision robustes et des performances médiocres sur les données hors distribution (OOD - Out-of-Distribution).

Méthodologie : QLung
Les auteurs proposent QLung, un cadre conçu pour imposer une compacité intra-classe et une séparabilité inter-classe grâce à un schéma d'Apprentissage de Marge Angulaire Adaptatif à la Qualité. La méthodologie se compose de quatre composantes centrales :

1. Classificateur Angulaire :
   Pour garantir que les frontières de décision reposent purement sur la similitude angulaire plutôt que sur la magnitude des caractéristiques (qui est fortement influencée par l'amplitude de l'enregistrement et la qualité), le cadre utilise un classificateur angulaire. Ce module normalise les vecteurs de caractéristiques et les vecteurs de poids de classe sur l'hypersphère unité. Les décisions sont prises sur la base de la similitude cosinus entre le vecteur de caractéristique normalisé et le poids de la classe, mis à l'échelle par un facteur de logit fixe ($s_a$).

2. Marge de Qualité Audio ($m_q$) :
   Le cadre introduit un Score de Qualité Audio (AQS - Audio Quality Score) sans référence, dérivé de l'entropie spectrale et de l'énergie RMS (Root-Mean-Square).

• Une entropie élevée indique des signaux de type bruit ; une RMS faible indique des enregistrements faibles.
• L'AQS est calculé comme une combinaison linéaire tronquée de l'entropie normalisée et de la RMS.
• Ce score est utilisé pour mettre à l'échelle dynamiquement la marge angulaire : les entrées de haute qualité reçoivent des marges plus larges pour encourager une séparation forte, tandis que les entrées de faible qualité reçoivent des marges plus petites pour éviter le surapprentissage au bruit.

3. Marge de Déséquilibre de Classe à Échelle Logarithmique ($m_c$) :
   Pour traiter le déséquilibre de classe sévère sans provoquer d'instabilité d'entraînement (ce qui peut se produire avec une mise à l'échelle classique par fréquence inverse), les auteurs proposent une marge à échelle logarithmique.

• La marge est définie comme le logarithme de l'inverse de la fréquence de la classe.
• Cette cartographie logarithmique assure une croissance fluide de la marge, mettant l'accent sur les classes minoritaires sans pénaliser excessivement les classes majoritaires, stabilisant ainsi le compromis entre les classes de tête (head) et de queue (tail).

4. Marge Angulaire à Double Facteur (DFAM) et Perte Unifiée :
   La marge finale ($m_d$) est une moyenne pondérée de la marge de qualité et de la marge de déséquilibre ($m_d = \gamma m_q + (1-\gamma)m_c$).

• Cette marge composite est appliquée comme une pénalité additive à l'angle cible dans la fonction de perte softmax.
• L'objectif d'entraînement total combine la perte d'Entropie Croisée (CE - Cross-Entropy) standard avec le terme de régularisation DFAM, pondéré par un hyperparamètre $\lambda$.

Principales Contributions

• Première application des marges angulaires à la RSC : L'article affirme être le premier à appliquer des cadres basés sur les marges angulaires à la classification des sons respiratoires, ciblant spécifiquement les doubles problèmes de chevauchement d'événements acoustiques et de déséquilibre de classe.
• Formulation unifiée à double facteur : L'introduction d'une marge qui s'adapte selon la qualité de l'enregistrement (via l'AQS) et la fréquence de la classe (via l'échelle logarithmique).
• Conception du Classificateur Angulaire : L'implémentation d'un classificateur qui contraint les décisions à l'hypersphère unité, garantissant que les pénalités de marge sont appliquées de manière cohérente quel que soit l'amplitude du signal.
• Améliorations des Performances : Le cadre atteint des résultats de pointe sur les benchmarks standards sans dépendre de stratégies complexes d'augmentation de données comme le Patch-Mix ou d'entraînement LoRA supplémentaire.

Résultats Expérimentaux
Les auteurs ont évalué QLung sur le jeu de données ICBHI 2017 (en distribution) et le jeu de données SPRSound (hors distribution).

• En Distribution (ICBHI) :
  • L'application de QLung à un squelette (backbone) AST a amélioré le Score officiel (moyenne arithmétique de la Spécificité et de la Sensibilité) de 59,55 % (fine-tuning de base de l'AST) à 62,01 %, soit une amélioration absolue de 2,46 %.
  • Lorsqu'appliqué au squelette Audio-CLAP, le Score est passé de 62,56 % à 63,39 %, dépassant l'état de l'art précédent (BTS, 63,54 % est noté comme le meilleur précédent dans le tableau, bien que le texte souligne la compétitivité et l'amélioration de QLung par rapport aux bases).
• Hors Distribution (SPRSound) :
  • QLung a démontré une généralisation supérieure par rapport aux méthodes de pointe précédentes.
  • Sur le jeu de données SPRSound, QLung (sur Audio-CLAP) a atteint un Score de 59,80 %, surpassant de manière significative les méthodes précédentes qui ont subi une dégradation des performances (par exemple, BTS a obtenu 53,42 %, Audio-CLAP a obtenu 56,29 %).
• Études d'Ablation :
  • L'ajout incrémental de composantes (marge angulaire fixe, marge de qualité audio, marge de déséquilibre de classe, classificateur angulaire) a confirmé que chaque composante contribue au gain de performance final.
  • L'analyse qualitative (t-SNE et matrices de confusion) a montré que QLung produit des clusters plus compacts et mieux séparés, particulièrement pour la classe "both" (cooccurrence de crépitants et sibilances), et réduit les fausses alarmes pour les cas normaux.

Signification
L'article affirme que QLung fournit une solution robuste pour les scénarios cliniques réels où les données sont bruitées, hétérogènes et déséquilibrées. En adaptant les marges selon la qualité de l'enregistrement et la fréquence de classe, le cadre renforce la capacité du modèle à former des frontières de décision claires. L'amélioration significative des performances hors distribution sur le jeu de données SPRSound suggère que QLung atténue efficacement les risques de surapprentissage aux données de faible qualité et améliore la généralisation aux environnements cliniques inédits.