RespFocus弱监督呼吸音分类框架与PedResp2026数据集

2026年10月15日，arXiv Artificial Intelligence 刊出由 Yi Tian 等作者发布的研究，提出 RespFocus 弱监督呼吸音分类框架，并同时发布 PedResp2026 儿科呼吸音数据集。据该报道，RespFocus 采用多实例学习（MIL），从周期级标签中学习可检查的时间证据并融入分类，在 ICBHI 2017 上取得四分类 Scores 69.55%，在 PedResp2026 上取得 72.91%。PedResp2026 被描述为在常规临床环境中采集、带裁定周期级标注的多中心儿科呼吸音队列。报道还称，证据诊断与匹配的时间干预实验支持所学证据对模型预测的功能性贡献。目前该事件仅有这一篇主报道，尚无后续跟进报道，因此不存在与早先报道在数字、时间或说法上的矛盾。上述性能数值、数据集规模与采集条件均绑定于该报道所述对象，未提及其他数据集或任务的适用情况。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。