Quality Adaptive Angular Margin Learning for Respiratory Sound Classification

Resumo Técnico: Aprendizado de Margem Angular Adaptativo à Qualidade para Classificação de Sons Respiratórios

Declaração do Problema
A Classificação de Sons Respiratórios (RSC) enfrenta dois desafios primários que dificultam a generalização do modelo para dados clínicos do mundo real:

1. Qualidade de Gravação Variável: Conjuntos de dados públicos como o ICBHI contêm gravações com qualidades de áudio variadas. Amostras de baixa qualidade frequentemente introduzem ruído que mimetiza patologias, levando os modelos a aprender correlações espúrias em vez de características reais de doenças.
2. Desbalanceamento de Classes Severo e Sobreposição de Granularidade Fina: Os conjuntos de dados de RSC sofrem um desbalanceamento significativo entre as classes normais e anormais. Além disso, categorias anormais (ex: estertores/crackles e sibilos/wheezes) frequentemente ocorrem simultaneamente, criando desafios de classificação de granularidade fina onde as fronteiras acústicas são sutis e sobrepostas.

Métodos existentes, incluindo aumento de dados e integração de metadados, têm tido dificuldade em mitigar totalmente esses problemas, resultando em modelos que carecem de fronteiras de decisão robustas e apresentam desempenho insatisfatório em dados fora da distribuição (OOD).

Metodologia: QLung
Os autores propõem o QLung, um framework projetado para impor compacidade intra-classe e separabilidade inter-classe por meio de um esquema de Aprendizado de Margem Angular Adaptativo à Qualidade. A metodologia consiste em quatro componentes principais:

1. Classificador Angular:
   Para garantir que as fronteiras de decisão dependam puramente da similaridade angular e não da magnitude da característica (que é fortemente influenciada pelo volume da gravação e pela qualidade), o framework emprega um classificador angular. Este módulo normaliza os vetores de características e os vetores de peso das classes para a hiperesfera unitária. As decisões são tomadas com base na similaridade de cosseno entre o vetor de característica normalizado e o peso da classe, escalonada por uma escala de logit fixa ($s_a$).

2. Margem de Qualidade de Áudio ($m_q$):
   O framework introduz uma Pontuação de Qualidade de Áudio (AQS) sem referência, derivada da entropia espectral e da energia RMS (raiz quadrada da média).

• Alta entropia indica sinais semelhantes a ruído; baixo RMS indica gravações fracas.
• A AQS é calculada como uma combinação linear truncada de entropia normalizada e RMS.
• Esta pontuação é usada para escalar dinamicamente a margem angular: entradas de alta qualidade recebem margens maiores para incentivar uma separação forte, enquanto entradas de baixa qualidade recebem margens menores para evitar o overfitting ao ruído.

3. Margem de Desbalanceamento de Classe com Escala Logarítmica ($m_c$):
   Para abordar o severo desbalanceamento de classes sem causar instabilidade no treinamento (o que pode ocorrer com o escalonamento de frequência inversa padrão), os autores propõem uma margem de escala logarítmica.

• A margem é definida como o logaritmo da frequência inversa da classe.
• Este mapeamento logarítmico garante um crescimento suave da margem, enfatizando as classes minoritárias sem penalizar excessivamente as classes majoritárias, thereby estabilizando o equilíbrio entre as classes de cabeça (head) e cauda (tail).

4. Margem Angular de Fator Duplo (DFAM) e Perda Unificada:
   A margem final ($m_d$) é uma média ponderada da margem de qualidade e da margem de desbalanceamento ($m_d = \gamma m_q + (1-\gamma)m_c$).

• Esta margem composta é aplicada como uma penalidade aditiva ao ângulo alvo na função de perda softmax.
• O objetivo total de treinamento combina a perda de Entropia Cruzada (CE) padrão com o termo de regularização DFAM, ponderado por um hiperparâmetro $\lambda$.

Principais Contribuições

• Primeira Aplicação de Margens Angulares à RSC: O artigo afirma ser o primeiro a aplicar frameworks de margem angular à classificação de sons respiratórios, visando especificamente os problemas duplos de eventos acústicos sobrepostos e desbalanceamento de classes.
• Formulação Unificada de Fator Duplo: A introdução de uma margem que escala adaptativamente com base tanto na qualidade da gravação (via AQS) quanto na frequência da classe (via escala logarítmica).
• Design do Classificador Angular: A implementação de um classificador que restringe as decisões à hiperesfera unitária, garantindo que as penalidades de margem sejam aplicadas de forma consistente, independentemente da amplitude do sinal.
• Melhorias de Desempenho: O framework alcança resultados de estado da arte em benchmarks padrão sem depender de estratégias complexas de aumento de dados como Patch-Mix ou treinamento adicional de LoRA.

Resultados Experimentais
Os autores avaliaram o QLung no conjunto de dados ICBHI 2017 (dentro da distribuição) e no conjunto de dados SPRSound (fora da distribuição).

• Dentro da Distribuição (ICBHI):
  • O QLung aplicado a um backbone AST melhorou o Score oficial (média aritmética de Especificidade e Sensibilidade) de 59,55% (ajuste fino do baseline AST) para 62,01%, um aumento absoluto de 2,46%.
  • Quando aplicado ao backbone Audio-CLAP, o Score melhorou de 62,56% para 63,39%, superando o estado da arte anterior (BTS, 63,54% é observado como o melhor anterior na tabela, embora o texto destaque a competitividade e a melhoria do QLung sobre os baselines).
• Fora da Distribuição (SPRSound):
  • O QLung demonstrou generalização superior em comparação com métodos anteriores de estado da arte.
  • No conjunto de dados SPRSound, o QLung (em Audio-CLAP) alcançou um Score de 59,80%, superando significativamente os métodos anteriores que sofreram degradação de desempenho (ex: BTS pontuou 53,42%, Audio-CLAP pontuou 56,29%).
• Estudos de Ablação:
  • A adição incremental de componentes (margem angular fixa, margem de qualidade de áudio, margem de desbalanceamento de classe, classificador angular) confirmou que cada componente contribui para o ganho de desempenho final.
  • A análise qualitativa (t-SNE e matrizes de confusão) mostrou que o QLung produz clusters mais compactos e bem separados, particularmente para a classe "ambos" (coocorrência de estertor e sibilo), e reduz falsos alarmes para casos normais.

Significância
O artigo afirma que o QLung fornece uma solução robusta para cenários clínicos do mundo real, onde os dados são ruidosos, heterogêneos e desbalanceados. Ao escalar as margens adaptativamente com base na qualidade da gravação e na frequência da classe, o framework aumenta a capacidade do modelo de formar fronteiras de decisão claras. A melhoria significativa no desempenho fora da distribuição no conjunto de dados SPRSound sugere que o QLung mitiga efetivamente os riscos de overfitting a dados de baixa qualidade e melhora a generalização para ambientes clínicos não vistos.