論文の概要: Studying the Similarity of COVID-19 Sounds based on Correlation Analysis
of MFCC
- arxiv url: http://arxiv.org/abs/2010.08770v1
- Date: Sat, 17 Oct 2020 11:38:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-06 12:16:11.885502
- Title: Studying the Similarity of COVID-19 Sounds based on Correlation Analysis
of MFCC
- Title（参考訳）: MFCCの相関分析に基づくCOVID-19音の類似性の検討
- Authors: Mohamed Bader, Ismail Shahin, Abdelfatah Hassan
- Abstract要約: 本稿では,Mel-Frequency Cepstral Coefficients (MFCCs) の抽出における音声信号処理の重要性について述べる。
以上の結果から、MFCCは新型コロナウイルスと非新型コロナウイルスの検体の間ではより堅牢であるのに対し、異なる新型コロナウイルスの発声音と呼吸音との間には高い類似性があることが判明した。
- 参考スコア（独自算出の注目度）: 1.9659095632676098
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently there has been a formidable work which has been put up from the
people who are working in the frontlines such as hospitals, clinics, and labs
alongside researchers and scientists who are also putting tremendous efforts in
the fight against COVID-19 pandemic. Due to the preposterous spread of the
virus, the integration of the artificial intelligence has taken a considerable
part in the health sector, by implementing the fundamentals of Automatic Speech
Recognition (ASR) and deep learning algorithms. In this paper, we illustrate
the importance of speech signal processing in the extraction of the
Mel-Frequency Cepstral Coefficients (MFCCs) of the COVID-19 and non-COVID-19
samples and find their relationship using Pearson correlation coefficients. Our
results show high similarity in MFCCs between different COVID-19 cough and
breathing sounds, while MFCC of voice is more robust between COVID-19 and
non-COVID-19 samples. Moreover, our results are preliminary, and there is a
possibility to exclude the voices of COVID-19 patients from further processing
in diagnosing the disease.
- Abstract（参考訳）: 最近は、新型コロナウイルス(covid-19)のパンデミックとの戦いに多大な努力をしている研究者や科学者とともに、病院、診療所、研究所などの最前線で働く人々から、素晴らしい研究がなされている。
ウイルスの先進的な拡散により、人工知能の統合は、ASR(Automatic Speech Recognition)とディープラーニングアルゴリズムの基本を実装することで、健康分野においてかなりの部分を占めてきた。
本稿では、covid-19および非covid-19サンプルのメル周波数ケプストラム係数(mfccs)抽出における音声信号処理の重要性を説明し、pearson相関係数を用いてその関係を明らかにする。
以上の結果から、mfccはcovid-19と非covid-19のサンプルでより堅牢であるのに対し、mfccはcovid-19と呼吸音の間で高い類似性を示している。
さらに,本研究の結果は予備的であり,この疾患の診断におけるさらなる処理から,COVID-19患者の声を排除できる可能性が示唆された。
関連論文リスト
- Evaluating the COVID-19 Identification ResNet (CIdeR) on the INTERSPEECH
COVID-19 from Audio Challenges [59.78485839636553]
CIdeRはエンド・ツー・エンドのディープラーニング・ニューラルネットワークで、個人が新型コロナウイルス陽性か新型コロナウイルス陰性かを分類するために設計された。
COVID-19 CoughとInterSPEECH 2021, ComParE, DiCOVAの両者によるCIdeRのバイナリ診断の可能性を示した。
論文 参考訳（メタデータ） (2021-07-30T10:59:08Z) - COVID-Net CXR-S: Deep Convolutional Neural Network for Severity
Assessment of COVID-19 Cases from Chest X-ray Images [74.77272804752306]
胸部CXR画像に基づくSARS-CoV-2陽性患者の空間重症度を予測する畳み込みニューラルネットワークであるCOVID-Net CXR-Sについて紹介する。
患者15,000人以上の多国籍コホートから得られた16,000以上のCXR画像から得られた表現的知識を,重症度評価のためのカスタムネットワークアーキテクチャへ伝達する。
提案したCXR-Sは、新型コロナウイルス陽性患者のCXR画像のコンピュータ支援による重症度評価のための強力なツールとなる可能性がある。
論文 参考訳（メタデータ） (2021-05-01T14:15:12Z) - COVIDx-US -- An open-access benchmark dataset of ultrasound imaging data
for AI-driven COVID-19 analytics [116.6248556979572]
COVIDx-USは、新型コロナウイルス関連超音波画像データのオープンアクセスベンチマークデータセットです。
肺超音波93本と,SARS-CoV-2肺炎,非SARS-CoV-2肺炎,健康管理症例10,774本からなる。
論文 参考訳（メタデータ） (2021-03-18T03:31:33Z) - The voice of COVID-19: Acoustic correlates of infection [9.7390888107204]
COVID-19は、過去1年間を通じて私たちの日常生活の多くの側面に影響を与えてきた世界的な健康危機です。
i:/, /e:/, /o:/, /u:/, /a:/の母音から抽出された音響的特徴を,11の症状性covid-19陽性者および11人の陰性ドイツ語話者参加者で比較した。
論文 参考訳（メタデータ） (2020-12-17T10:12:41Z) - Point of Care Image Analysis for COVID-19 [45.12731696349201]
新型コロナウイルスは胸部CTでは検出が容易だが、高価で非可搬性であり、消毒が難しいため、POC(point-of-care)モダリティには適さない。
ここでは、深層ニューラルネットワークをトレーニングし、CXRとLUSを使用して新型コロナウイルス患者を検出し、評価し、モニターする能力を大幅に強化します。
論文 参考訳（メタデータ） (2020-10-28T06:43:52Z) - Clustering COVID-19 Lung Scans [3.5447971809011882]
グループは、新型コロナウイルス、ウイルス性肺炎、健康な人の肺がんのデータセットを調査するために、教師なしのクラスタリング技術を適用した。
本手法は,非監視的クラスタリングアルゴリズムが,新型コロナウイルスと他の呼吸器疾患の隠れた重要な違いを明らかにする必要がある可能性を探るものである。
論文 参考訳（メタデータ） (2020-09-05T00:21:13Z) - A New Screening Method for COVID-19 based on Ocular Feature Recognition
by Machine Learning Tools [66.20818586629278]
コロナウイルス感染症2019(COVID-19)は、数百万人に影響している。
一般的なCCDやCMOSカメラで撮影された視線領域の画像を分析する新しいスクリーニング手法は、新型コロナウイルスの急激なリスクスクリーニングを確実に実現する可能性がある。
論文 参考訳（メタデータ） (2020-09-04T00:50:27Z) - Understanding the temporal evolution of COVID-19 research through
machine learning and natural language processing [66.63200823918429]
重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。
私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。
調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
論文 参考訳（メタデータ） (2020-07-22T18:02:39Z) - Integrative Analysis for COVID-19 Patient Outcome Prediction [53.11258640541513]
我々は、集中治療室入院の必要性を予測するために、人口統計、バイタルサイン、実験室の所見から、肺不透明度の放射能と非画像の特徴を組み合わせる。
また, 地域性肺炎を含む他の肺疾患にも適用できるが, 地域性肺炎に限らない。
論文 参考訳（メタデータ） (2020-07-20T19:08:50Z) - Identifying Radiological Findings Related to COVID-19 from Medical
Literature [16.310353152265158]
放射線学的所見は、新型コロナウイルスの診断と治療を導く上で重要な情報源である。
新型コロナウイルスと放射線学的所見の関連性に関する研究は、異なる病院で別々に行われている。
本手法をCORD-19データセットに適用し,新型コロナウイルスと密接な関係のある放射線学的所見の抽出に成功した。
論文 参考訳（メタデータ） (2020-04-04T05:33:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。