Quality Adaptive Angular Margin Learning for Respiratory Sound Classification

Sintesi Tecnica: Apprendimento del Margine Angolare Adattivo alla Qualità per la Classificazione dei Suoni Respiratori

Problematica
La Classificazione dei Suoni Respiratori (RSC) affronta due sfide primarie che ostacolano la generalizzazione del modello ai dati clinici reali:

1. Qualità di Registrazione Variabile: I dataset pubblici come ICBHI contengono registrazioni con qualità audio variabile. I campioni di bassa qualità spesso introducono rumore che imita la patologia, portando i modelli a apprendere correlazioni spurie piuttosto che veri tratti patologici.
2. Sbilanciamento delle Classi Severo e Sovrapposizione Fine-Grained: I dataset RSC soffrono di un significativo sbilanciamento tra le classi normali e anormali. Inoltre, le categorie anormali (ad esempio, crepitii e fischi) si verificano spesso simultaneamente, creando sfide di classificazione fine-grained dove i confini acustici sono sottili e sovrapposti.

I metodi esistenti, inclusi l'augmentation dei dati e l'integrazione dei metadati, hanno faticato a mitigare completamente questi problemi, risultando in modelli che mancano di confini decisionali robusti e che performano scarsamente su dati fuori distribuzione (OOD).

Metodologia: QLung
Gli autori propongono QLung, un framework progettato per imporre compattezza intra-classe e separabilità inter-classe attraverso uno schema di Apprendimento del Margine Angolare Adattivo alla Qualità. La metodologia consiste in quattro componenti principali:

1. Classificatore Angolare:
   Per garantire che i confini decisionali si basino puramente sulla similarità angolare piuttosto che sulla magnitudo delle feature (fortemente influenzata dal volume della registrazione e dalla qualità), il framework impiega un classificatore angolare. Questo modulo normalizza sia i vettori delle feature che i vettori di peso delle classi sull'ipersfera unitaria. Le decisioni vengono prese in base alla similarità del coseno tra la feature normalizzata e il peso della classe, scalata da una scala logit fissa ($s_a$).

2. Margine di Qualità Audio ($m_q$):
   Il framework introduce un Audio Quality Score (AQS) senza riferimento derivato dall'entropia spettrale e dall'energia RMS (root-mean-square).

• Un'alta entropia indica segnali simili al rumore; una bassa RMS indica registrazioni deboli.
• L'AQS è calcolato come una combinazione lineare troncata di entropia e RMS normalizzate.
• Questo punteggio viene utilizzato per scalare dinamicamente il margine angolare: gli input di alta qualità ricevono margini più ampi per incoraggiare una forte separazione, mentre gli input di bassa qualità ricevono margini minori per prevenire l'overfitting sul rumore.

3. Margine per lo Sbilanciamento delle Classi Log-Scalato ($m_c$):
   Per affrontare il severo sbilanciamento delle classi senza causare instabilità nell'addestramento (che può verificarsi con la standard scalatura per frequenza inversa), gli autori propongono un margine log-scalato.

• Il margine è definito come il logaritmo dell'inversa della frequenza della classe.
• Questa mappatura logaritmica assicura una crescita fluida del margine, enfatizzando le classi minoritarie senza penalizzare eccessivamente le classi maggioritarie, garantendo così la stabilità del trade-off tra classi "head" e "tail".

4. Margine Angolare a Doppio Fattore (DFAM) e Loss Unificata:
   Il margine finale ($m_d$) è una media ponderata del margine di qualità e del margine di sbilanciamento ($m_d = \gamma m_q + (1-\gamma)m_c$).

• Questo margine composito viene applicato come penalità additiva all'angolo target nella funzione di perdita softmax.
• L'obiettivo totale di addestramento combina la Cross-Entropy (CE) standard con il termine di regolarizzazione DFAM, pesato da un iperparametro $\lambda$.

Contributi Chiave

• Prima Applicazione dei Margini Angolari alla RSC: Il paper sostiene di essere il primo ad applicare framework basati su margini angolari alla classificazione dei suoni respiratori, mirando specificamente ai doppi problemi degli eventi acustici sovrapposti e dello sbilanciamento delle classi.
• Formulazione Unificata a Doppio Fattore: L'introduzione di un margine che scala adattivamente in base sia alla qualità della registrazione (tramite AQS) che alla frequenza della classe (tramite log-scaling).
• Design del Classificatore Angolare: L'implementazione di un classificatore che vincola le decisioni all'ipersfera unitaria, assicurando che le penalità di margine siano applicate coerentemente indipendentemente dall'ampiezza del segnale.
• Miglioramenti delle Performance: Il framework raggiunge risultati allo stato dell'arte (state-of-the-art) sugli standard benchmark senza fare affidamento su strategie complesse di data augmentation come Patch-Mix o ulteriori addestramenti LoRA.

Risultati Sperimentali
Gli autori hanno valutato QLung sul dataset ICBHI 2017 (in-distribution) e sul dataset SPRSound (out-of-distribution).

• In-Distribution (ICBHI):
  • QLung applicato a un backbone AST ha migliorato lo Score ufficiale (media aritmetica di Specificità e Sensibilità) dal 59.55% (baseline AST fine-tuning) al 62.01%, un miglioramento assoluto del 2.46%.
  • Quando applicato al backbone Audio-CLAP, lo Score è migliorato dal 62.56% al 63.39%, superando il precedente stato dell'arte (BTS, 63.54% è indicato come il precedente migliore nella tabella, sebbene il testo evidenzi la competitività e il miglioramento di Qlung rispetto ai baseline).
• Out-of-Distribution (SPRSound):
  • QLung ha dimostrato una generalizzazione superiore rispetto ai precedenti metodi allo stato dell'arte.
  • Sul dataset SPRSound, QLung (su Audio-CLAP) ha ottenuto uno Score del 59.80%, superando significativamente i metodi precedenti che hanno subito una degradazione delle performance (ad esempio, BTS ha ottenuto 53.42%, Audio-CLAP 56.29%).
• Studi di Ablazione:
  • L'aggiunta incrementale dei componenti (margine angolare fisso, margine di qualità audio, margine di sbilanciamento delle classi, classificatore angolare) ha confermato che ogni componente contribuisce al guadagno di performance finale.
  • L'analisi qualitativa (t-SNE e matrici di confusione) ha mostrato che QLung produce cluster più compatti e ben separati, in particolare per la classe "both" (co-occorrenza di crepitio e fischio), e riduce i falsi allarmi per i casi normali.

Significatività
Il paper afferma che QLung fornisce una soluzione robusta per scenari clinici reali dove i dati sono rumorosi, eterogenei e sbilanciati. Scalando adattivamente i margini in base alla qualità della registrazione e alla frequenza delle classi, il framework migliora la capacità del modello di formare confini decisionali chiari. Il significativo miglioramento delle performance out-of-distribution sul dataset SPRSound suggerisce che QLung mitiga efficacemente i rischi di overfitting su dati di bassa qualità e migliora la generalizzazione verso ambienti clinici non visti.