融合局部特征提取与全局上下文建模的儿科呼吸音分类

提出将局部特征提取与全局上下文建模相结合的新架构，用于儿科呼吸音分类。 既有呼吸音分类研究多集中于成人，儿科呼吸音研究仍较稀缺，而儿科呼吸音通常含有更多高频成分，构成独特挑战。 论文以方法描述形式给出架构设计，属于概念与设计层面的贡献，未在摘要中提供消融或对照细节。

设计Mel_Grouper模块作为前端，用于增强局部病理表征。 针对儿科呼吸音高频成分较多这一固有差异，专门设置前端模块以强化局部病理特征。 属于架构组件层面的设计说明，其独立效果需依赖正文实验支撑。

将Mel_Grouper输出送入基于Transformer的Mel_Encoder以融合全局上下文。 在局部特征之外引入全局上下文建模，形成局部与全局结合的处理路径。 属于架构组件层面的设计说明，摘要未给出该模块的单独量化结果。

在SPRSound数据集四个子任务上取得当前最佳性能，并在真实世界儿科呼吸音数据集上进一步实验。 相对此前最佳结果分别提升3.37%、3.06%、6.83%和5.36%，并补充真实临床条件下的实验。 提升幅度以百分比形式在摘要中明确给出，属于定量结果；真实世界数据集实验的具体数值未在摘要中列出。

该结果面向儿科呼吸音分类任务，适用于SPRSound数据集所代表的儿科呼吸音场景以及论文所述的真实世界儿科呼吸音数据集；方法以Mel_Grouper前端与Transformer编码器的组合为核心，其设计目标针对儿科呼吸音高频成分较多的特性。论文声明代码已公开，便于后续在相同任务设定下复现与扩展。

真实世界儿科呼吸音数据集上的具体性能数值、各模块的独立贡献、以及不同数据划分或临床条件下的稳定性，在摘要中未展开；此外，摘要中代码链接未给出完整地址。这些属于读者在深入阅读时值得关注的方向。