論文の概要: Detection of COVID-19 through the analysis of vocal fold oscillations

• arxiv url: http://arxiv.org/abs/2010.10707v1
• Date: Wed, 21 Oct 2020 01:44:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 01:12:11.920155
• Title: Detection of COVID-19 through the analysis of vocal fold oscillations
• Title（参考訳）: 声帯振動解析によるCOVID-19の検出
• Authors: Mahmoud Al Ismail, Soham Deshmukh, Rita Singh
• Abstract要約: 声帯の振動は人間の発声における発声の主な原因である。 呼吸器機能障害の軽度から重度の症状を呈する症例が多いことから,声帯の振動を調べることで,新型コロナウイルスの症状を観察できる可能性が示唆された。 我々の目標は、この仮説を検証し、音声から新型コロナウイルスを検出するために観察された変化を定量的に特徴づけることである。
• 参考スコア（独自算出の注目度）: 18.387162887917164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Phonation, or the vibration of the vocal folds, is the primary source of vocalization in the production of voiced sounds by humans. It is a complex bio-mechanical process that is highly sensitive to changes in the speaker's respiratory parameters. Since most symptomatic cases of COVID-19 present with moderate to severe impairment of respiratory functions, we hypothesize that signatures of COVID-19 may be observable by examining the vibrations of the vocal folds. Our goal is to validate this hypothesis, and to quantitatively characterize the changes observed to enable the detection of COVID-19 from voice. For this, we use a dynamical system model for the oscillation of the vocal folds, and solve it using our recently developed ADLES algorithm to yield vocal fold oscillation patterns directly from recorded speech. Experimental results on a clinically curated dataset of COVID-19 positive and negative subjects reveal characteristic patterns of vocal fold oscillations that are correlated with COVID-19. We show that these are prominent and discriminative enough that even simple classifiers such as logistic regression yields high detection accuracies using just the recordings of isolated extended vowels.
• Abstract（参考訳）: 声帯の振動は、人間の発声音の生成における発声の主な原因である。 複雑な生体力学的プロセスであり、話者の呼吸パラメータの変化に非常に敏感である。 呼吸器機能障害を軽度から重度に抱える新型コロナウイルスの症状例の多くは、声帯の振動を調べることで、covid-19の症状が観察可能であると仮定する。 我々の目標は、この仮説を検証し、音声から新型コロナウイルスを検出するために観察された変化を定量的に特徴づけることである。 そこで本研究では,声帯振動の力学系モデルを用いて,最近開発したadlesアルゴリズムを用いて,録音音声から直接声帯振動パターンを導出する。 新型コロナウイルス陽性と陰性の被験者を臨床にキュレートしたデータセットの実験結果から, 声帯振動の特徴的なパターンが明らかにされた。 その結果,ロジスティック回帰のような単純な分類器でも孤立した拡張母音の記録のみを用いて高い検出精度が得られることがわかった。

関連論文リスト

• Developing a multi-variate prediction model for the detection of COVID-19 from Crowd-sourced Respiratory Voice Data [0.0]
  この研究の新規性は、音声記録から新型コロナウイルス患者を識別するためのディープラーニングモデルの開発である。 私たちは、新型コロナウイルスのサウンドアプリを使った4352人の参加者からクラウドソースされた、853のオーディオサンプルからなるケンブリッジ大学のデータセットを使用しました。 音声データに基づいて,陽性症例を検出する深層学習分類モデルを開発した。
  論文  参考訳（メタデータ） (2022-09-08T11:46:37Z)
• COVID-19 Detection from Respiratory Sounds with Hierarchical Spectrogram Transformers [1.4091863292043447]
  本研究は、新型コロナウイルス患者の音声記録や呼吸音の健全な制御を区別する新しい深層学習手法を提案する。 提案手法は, 呼吸音のスペクトル表現に新しい階層型スペクトログラム変換器 (HST) を利用する。 HSTは、スペクトログラム内のローカルウィンドウ上の自己注意機構を具現化し、モデルステージ上でウィンドウサイズを徐々に成長させ、ローカルからグローバルなコンテキストをキャプチャする。
  論文  参考訳（メタデータ） (2022-07-19T19:55:16Z)
• 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)
• Project Achoo: A Practical Model and Application for COVID-19 Detection from Recordings of Breath, Voice, and Cough [55.45063681652457]
  コンシューマー端末で録音した音声を用いて、新型コロナウイルスを迅速にトリアージする機械学習手法を提案する。 この手法は,信号処理手法と微調整深層学習ネットワークを組み合わせることで,信号の識別,コークス検出,分類を行う手法を提供する。 我々はまた、症状チェッカーと音声、息、うず信号を使って新型コロナウイルスの感染を検知するモバイルアプリケーションを開発し、展開した。
  論文  参考訳（メタデータ） (2021-07-12T08:07:56Z)
• DiffSVC: A Diffusion Probabilistic Model for Singing Voice Conversion [51.83469048737548]
  本稿では拡散確率モデルに基づくSVCシステムであるDiffSVCを提案する。 DiffSVCでは、破壊されたメルスペクトログラムとその対応するステップ情報を入力として、付加されたガウスノイズを予測するデノナイジングモジュールを訓練する。 実験により、DiffSVCは、現在の最先端SVCアプローチと自然性および音声類似性の観点から、優れた変換性能が得られることが示された。
  論文  参考訳（メタデータ） (2021-05-28T14:26:40Z)
• DiffSinger: Diffusion Acoustic Model for Singing Voice Synthesis [53.19363127760314]
  DiffSingerは、音楽スコアで調整されたメログラムにノイズを反復的に変換するパラメータ化されたマルコフチェーンです。 中国の歌唱データセットで行った評価は、DiffSingerが最先端のSVSワークを顕著な差で上回っていることを示している。
  論文  参考訳（メタデータ） (2021-05-06T05:21:42Z)
• Detecting COVID-19 from Breathing and Coughing Sounds using Deep Neural Networks [68.8204255655161]
  私たちは、Convolutional Neural Networksのアンサンブルを適応させて、スピーカーがCOVID-19に感染しているかどうかを分類します。 最終的には、74.9%のUnweighted Average Recall(UAR)、またはニューラルネットワークをアンサンブルすることで、ROC曲線(AUC)の80.7%を達成する。
  論文  参考訳（メタデータ） (2020-12-29T01:14:17Z)
• 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)
• Interpreting glottal flow dynamics for detecting COVID-19 from voice [18.387162887917164]
  本稿では声門流波形(GFW)の発声時の微分力学を解析する手法を提案する。 録音音声信号から推定し,音素モデルから計算したGFWと比較する。 提案手法は,2つのGFWの差分において時間空間内の異常を検出するCNNベースの2ステップアテンションモデルを用いている。
  論文  参考訳（メタデータ） (2020-10-29T13:16:57Z)
• Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC [1.9659095632676098]
  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。
  論文  参考訳（メタデータ） (2020-10-17T11:38:05Z)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。 そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。