論文の概要: Influence of Event Duration on Automatic Wheeze Classification
- arxiv url: http://arxiv.org/abs/2011.02874v1
- Date: Wed, 4 Nov 2020 11:03:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 23:25:11.819655
- Title: Influence of Event Duration on Automatic Wheeze Classification
- Title(参考訳): イベント継続時間が自動Wheeze分類に及ぼす影響
- Authors: Bruno M. Rocha, Diogo Pessoa, Alda Marques, Paulo Carvalho, Rui Pedro
Paiva
- Abstract要約: 事象持続時間が捕鯨分類に及ぼす影響,すなわち非捕鯨階層の創出が分類者のパフォーマンスに与える影響について検討した。
オープンアクセス呼吸音データベース上で, 感度, 特異度を98%, 95%と評価した。
これらの結果は,ワイズ分類アルゴリズムの性能評価における実験設計の重要性を示している。
- 参考スコア(独自算出の注目度): 0.31498833540989407
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Patients with respiratory conditions typically exhibit adventitious
respiratory sounds, such as wheezes. Wheeze events have variable duration. In
this work we studied the influence of event duration on wheeze classification,
namely how the creation of the non-wheeze class affected the classifiers'
performance. First, we evaluated several classifiers on an open access
respiratory sound database, with the best one reaching sensitivity and
specificity values of 98% and 95%, respectively. Then, by changing one
parameter in the design of the non-wheeze class, i.e., event duration, the best
classifier only reached sensitivity and specificity values of 55% and 76%,
respectively. These results demonstrate the importance of experimental design
on the assessment of wheeze classification algorithms' performance.
- Abstract(参考訳): 呼吸器疾患の患者は、通常、口笛のような冒険的な呼吸音を呈する。
Wheezeイベントは、一定期間を持つ。
本研究では,ホイズ分類におけるイベント継続時間の影響,すなわち非ホイズクラスの作成が分類器の性能に及ぼす影響について検討した。
まず, オープンアクセス型呼吸音データベース上で, 感度98%, 特異値95%の分類器をそれぞれ評価した。
そして、非wheezeクラス(すなわちイベント持続時間)の設計において1つのパラメータを変更することで、最良の分類器は、それぞれ55%と76%の感度と特異値に到達した。
これらの結果は,ワイズ分類アルゴリズムの性能評価における実験設計の重要性を示している。
関連論文リスト
- How to Count Coughs: An Event-Based Framework for Evaluating Automatic Cough Detection Algorithm Performance [3.3977325856478457]
慢性うっ血性疾患は、その頻度に関する主観的な患者アンケートに頼っているため、評価が難しい。
コーカウンティングアルゴリズムの最先端メトリクスと臨床医に関連する情報との間にはミスマッチがある。
本稿では,臨床ガイドラインと整合したイベントベース評価指標を用いて,有意なコーカウンティングエンドポイントについて検討する。
論文 参考訳(メタデータ) (2024-06-03T16:59:48Z) - Class-attribute Priors: Adapting Optimization to Heterogeneity and
Fairness Objective [54.33066660817495]
現代の分類問題は、個々のクラスにまたがって不均一性を示す。
本稿では,クラス固有の学習戦略を効果的かつ汎用的に生成するCAPを提案する。
CAPは先行技術と競合しており、その柔軟性により、バランスの取れた精度以上の公平性目標に対する明確なメリットが期待できる。
論文 参考訳(メタデータ) (2024-01-25T17:43:39Z) - Understanding the Detrimental Class-level Effects of Data Augmentation [63.1733767714073]
最適な平均精度を達成するには、ImageNetで最大20%の個々のクラスの精度を著しく損なうコストがかかる。
本稿では,DAがクラスレベルの学習力学とどのように相互作用するかを理解するためのフレームワークを提案する。
そこで本研究では, クラス条件拡張戦略により, 負の影響を受けるクラスの性能が向上することを示す。
論文 参考訳(メタデータ) (2023-12-07T18:37:43Z) - Evaluating sleep-stage classification: how age and early-late sleep
affects classification performance [0.0]
特徴抽出にウェーブレット,分類にランダムフォレストを用い,自動睡眠段階分類法を求め評価した。
被験者の年齢と睡眠時(早夜と深夜)は、分類器のパフォーマンスに直面する。
論文 参考訳(メタデータ) (2023-10-20T18:30:36Z) - Wav2vec-based Detection and Severity Level Classification of Dysarthria
from Speech [15.150153248025543]
事前訓練したwav2vec 2.0モデルは, 検出および重度分類システムを構築するための特徴抽出器として研究されている。
一般的なUA音声データベースを用いて実験を行った。
論文 参考訳(メタデータ) (2023-09-25T13:00:33Z) - Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。
時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文 参考訳(メタデータ) (2023-01-19T12:33:50Z) - Anomaly Detection using Ensemble Classification and Evidence Theory [62.997667081978825]
本稿では,アンサンブル分類とエビデンス理論を用いた新しい検出手法を提案する。
固体アンサンブル分類器を構築するためのプール選択戦略が提示される。
我々は異常検出手法の不確実性を利用する。
論文 参考訳(メタデータ) (2022-12-23T00:50:41Z) - Towards Fair Classification against Poisoning Attacks [52.57443558122475]
攻撃者が少数のサンプルを訓練データに挿入できる毒殺シナリオについて検討する。
本稿では,従来の防犯手法に適合する汎用的かつ理論的に保証された枠組みを提案する。
論文 参考訳(メタデータ) (2022-10-18T00:49:58Z) - Adaptation of Autoencoder for Sparsity Reduction From Clinical Notes
Representation Learning [0.19573380763700707]
本稿では,臨床ノート表現の空間的縮小を生かしたオートエンコーダ学習アルゴリズムを提案する。
その動機は, 臨床注記表現特徴空間の次元を小さくすることで, スパースな高次元データを圧縮する方法を決定することである。
提案手法により,評価毎に最大3%の性能向上が得られた。
論文 参考訳(メタデータ) (2022-09-26T16:37:37Z) - Classification of head impacts based on the spectral density of
measurable kinematics [4.784679555552413]
外傷性脳損傷は頭部の損傷によって引き起こされる。
脳損傷リスク推定モデルは、患者が実施する可能性のあるさまざまな影響に対して精度が低い。
データは,頭部モデルシミュレーションによる3262頭部衝撃,アメリカンフットボールおよび混合格闘技のオンフィールドデータから分析した。
論文 参考訳(メタデータ) (2021-04-19T06:58:43Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳(メタデータ) (2021-04-07T06:02:04Z)
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。