论文技术总结：基于可解释人工智能（XAI）的咳嗽声谱分析用于呼吸系统疾病表征

1. 研究背景与问题 (Problem)

呼吸系统疾病是全球主要的死亡原因之一，包括急性感染（如流感、肺炎）和慢性疾病（如哮喘、COPD、肺癌）。尽管深度学习（DL）在咳嗽检测和分类方面取得了显著进展，但现有的模型通常被视为“黑盒”，缺乏可解释性。这导致两个主要问题：

1. 机制不明：难以建立检测到的咳嗽事件与特定疾病潜在病理机制之间的直接联系。
2. 特征提取局限：传统的基于手工特征的方法在噪声环境下表现不佳，而纯深度学习模型虽然准确率高，但无法提供关于“哪些声学特征区分了不同疾病”的直观解释。此外，直接分析原始声谱图（Raw Spectrograms）往往难以发现不同疾病组之间的显著统计学差异。

2. 方法论 (Methodology)

本文提出了一种可解释人工智能（XAI）驱动的方法论，旨在通过识别咳嗽声谱图中的疾病特异性谱模式来增强咳嗽分析。主要流程如下：

2.1 数据收集与预处理

• 数据来源：在西班牙帕伦西亚（Palencia）地区对 20 名门诊患者进行了为期 24 小时的连续录音，采集了约 15,000 次单次咳嗽事件。
• 患者分组：根据病理类型分为 6 组进行比较（G1-G6），包括 COPD 患者与其他疾病（如肺炎、肺癌、急性呼吸道疾病 ARD 等）的对比，以及慢性与非慢性患者的对比。
• 信号处理：音频信号下采样至 8.82 kHz，使用汉宁窗（Hanning window）生成 45x100 的二维时频图（声谱图），并进行对数归一化。

2.2 咳嗽检测 (CNN)

• 使用卷积神经网络（CNN）对声谱图窗口进行分类，识别咳嗽事件。
• 仅选取置信度大于 90% 的咳嗽片段进行后续分析。

2.3 XAI 驱动的特征提取 (核心创新)

• 遮挡图（Occlusion Maps）生成：利用 XAI 技术（遮挡法），在 CNN 输入端逐步遮挡声谱图的不同区域，观察分类概率的变化。概率下降越多的区域，对分类越重要。
• 加权声谱图（Weighted Spectrograms）：
  • 将生成的遮挡图（代表重要性）与原始声谱图进行像素级加权（Hadamard 积）。
  • 设定阈值（Th.），仅保留高重要性区域的能量，生成“增强声谱图”。
  • 这种方法能够突出与特定疾病相关的声学区域，同时抑制无关噪声。

2.4 谱特征分析

从加权后的声谱图中提取了 7 种经典声学谱特征，用于量化不同疾病组的差异：

1. 相对交流功率 (Relative AC Power, AC)：衡量功率谱中交流分量与总功率的比率。
2. 频谱带宽 (Spectral Bandwidth, SpBW)：衡量频谱分布的离散程度。
3. 频谱峰值因子 (Spectral Crest Factor, SpCF)：检测频谱的主导频率。
4. 频谱平坦度 (Spectral Flatness, SpF)：衡量频谱分布是否接近白噪声（平坦度越高越像白噪声）。
5. 频谱通量 (Spectral Flux, SpFX)：量化连续时间戳之间的频谱变化。
6. 频谱瑞利熵 (Spectral Renyi Entropy, SpRE)：衡量频谱的不确定性或随机性。
7. 频谱滚降 (Spectral Roll-Off, SpR)：累积 85% 总功率的频率点。

2.5 统计检验

对不同疾病组（G1-G6）提取的特征进行假设检验（t 检验或 Mann-Whitney U 检验），计算 p 值以评估显著性差异。

3. 关键贡献 (Key Contributions)

1. XAI 引导的谱分析框架：首次将遮挡图（Occlusion Maps）与后续的详细谱特征分析相结合，证明了通过 XAI 加权后的声谱图能揭示原始声谱图中无法发现的疾病特异性差异。
2. COPD 的声学指纹：研究发现，COPD 患者在加权声谱图的关键区域表现出更高的变异性。具体表现为：
   • AC 功率较低（意味着直流分量相对较高，模式较单一）。
   • 频谱带宽（SpBW）和频谱滚降（SpR）较高（能量分布更分散，延伸至更高频）。
   • 频谱平坦度（SpF）和瑞利熵（SpRE）较高（频谱更接近白噪声，随机性更强）。
3. 超越传统方法：与仅分析原始声谱图相比，XAI 加权方法在区分 COPD 与其他疾病（如肺炎、肺癌、急性呼吸道疾病）时，多个特征达到了统计学显著性（p < 0.05），而原始声谱图分析未能发现显著差异。
4. 无需精确事件定位：由于特征提取基于频率特性而非时间上的精确起止点，该方法降低了对咳嗽事件精确边界检测的依赖。

4. 实验结果 (Results)

• 显著性差异：在阈值 Th. = 0.7 时，除了频谱通量（SpFx）外，所有其他特征在 COPD 组（G2, G3, G4）与其他疾病组之间均显示出统计学显著差异（p < 0.05）。
• COPD 特征：
  • COPD 患者的加权声谱图显示出更宽的频谱分布（高 SpBW, 高 SpR）。
  • 频谱更平坦且随机性更强（高 SpF, 高 SpRE），表明其咳嗽声在特定频段缺乏能量集中，呈现出类似白噪声的特性。
  • 相比之下，肺癌组（G6）虽然也显示出一定的差异趋势，但由于样本量小（2 人），未达到统计学显著性，但箱线图显示无重叠。
• 对比验证：
  • 原始声谱图：在原始声谱图上提取相同特征，所有组的 p 值均大于 0.05，无显著差异。
  • 与 GMM 模型对比：与先前使用高斯混合模型（GMM）的方法 [61] 相比，本文提出的基于 XAI 的谱特征在大多数组别（G1-G5）中取得了更低的 p 值（更好的区分度），且避免了 GMM 拟合不佳的问题。

5. 意义与结论 (Significance & Conclusion)

• 可解释性提升：该方法不仅提高了诊断的准确性，更重要的是提供了可解释的医学依据。它揭示了 COPD 患者的咳嗽声在特定频谱区域具有独特的“声学签名”（即更分散、更随机的能量分布）。
• 诊断辅助潜力：XAI 驱动的加权声谱分析能够挖掘出隐藏在复杂声学数据中的疾病特异性模式，为呼吸系统疾病的自动筛查和辅助诊断提供了新的工具。
• 临床价值：通过识别 COPD 患者咳嗽模式的变异性，该方法有望在家庭监测和远程医疗中用于区分慢性阻塞性肺病与其他呼吸道疾病，从而优化治疗方案。

总结：本文成功证明了结合可解释人工智能（XAI）与传统的谱特征分析，能够有效克服深度学习“黑盒”的局限性，揭示出 COPD 等呼吸系统疾病在咳嗽声谱中的特异性物理特征，显著提升了疾病区分的能力。