論文の概要: The voice of COVID-19: Acoustic correlates of infection
- arxiv url: http://arxiv.org/abs/2012.09478v1
- Date: Thu, 17 Dec 2020 10:12:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-02 07:19:19.761385
- Title: The voice of COVID-19: Acoustic correlates of infection
- Title（参考訳）: 新型コロナウイルスの音声:感染の音響的相関
- Authors: Katrin D. Bartl-Pokorny, Florian B. Pokorny, Anton Batliner, Shahin
Amiriparian, Anastasia Semertzidou, Florian Eyben, Elena Kramer, Florian
Schmidt, Rainer Sch\"onweiler, Markus Wehler, Bj\"orn W. Schuller
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 9.7390888107204
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: COVID-19 is a global health crisis that has been affecting many aspects of
our daily lives throughout the past year. The symptomatology of COVID-19 is
heterogeneous with a severity continuum. A considerable proportion of symptoms
are related to pathological changes in the vocal system, leading to the
assumption that COVID-19 may also affect voice production. For the very first
time, the present study aims to investigate voice acoustic correlates of an
infection with COVID-19 on the basis of a comprehensive acoustic parameter set.
We compare 88 acoustic features extracted from recordings of the vowels /i:/,
/e:/, /o:/, /u:/, and /a:/ produced by 11 symptomatic COVID-19 positive and 11
COVID-19 negative German-speaking participants. We employ the Mann-Whitney U
test and calculate effect sizes to identify features with the most prominent
group differences. The mean voiced segment length and the number of voiced
segments per second yield the most important differences across all vowels
indicating discontinuities in the pulmonic airstream during phonation in
COVID-19 positive participants. Group differences in the front vowels /i:/ and
/e:/ are additionally reflected in the variation of the fundamental frequency
and the harmonics-to-noise ratio, group differences in back vowels /o:/ and
/u:/ in statistics of the Mel-frequency cepstral coefficients and the spectral
slope. Findings of this study can be considered an important proof-of-concept
contribution for a potential future voice-based identification of individuals
infected with COVID-19.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)は世界の健康危機であり、ここ1年間、私たちの日常生活の多くの側面に影響を与えてきた。
新型コロナウイルスの症状は重度連続体と異質である。
症状のかなりの割合は声帯の病理学的変化と関連しており、COVID-19が発声に影響を及ぼす可能性があると仮定される。
本研究は,本研究で初めて,包括的音響パラメータセットに基づいて,新型コロナウイルス感染の音声音響相関について検討することを目的とした。
i:/, /e:/, /o:/, /u:/, /a:/, /a:/の母音から抽出された88の音響的特徴を,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。
我々はMann-Whitney Uテストを採用し、最も顕著なグループ差のある特徴を特定するために効果サイズを算出する。
平均発声セグメント長と1秒あたりの発声セグメント数の差は、新型コロナウイルス陽性者の発声中の肺気流の不連続を示す母音全体において最も重要な違いとなる。
前母音 /i:/ と /e:/ の群差は、基本周波数の変動と調和音-雑音比、後母音 /o:/ と /u:/ の群差、メル周波数ケプストラム係数とスペクトル傾斜の統計にさらに反映される。
この研究の発見は、COVID-19に感染した個人を音声で識別する可能性を示す重要な概念実証として考えられる。
関連論文リスト
- Analyzing the impact of SARS-CoV-2 variants on respiratory sound signals [23.789227109218118]
新型コロナウイルス患者から収集した音響信号が、計算学的に識別可能な音響パターンを示すかどうかを探索する。
以上の結果から,オミクロンおよびデルタ変種との比較では,有意な音響的特徴の相違が示唆された。
論文 参考訳（メタデータ） (2022-06-24T14:10:31Z) - COVYT: Introducing the Coronavirus YouTube and TikTok speech dataset
featuring the same speakers with and without infection [4.894353840908006]
私たちは、65人の話者から8時間以上のスピーチを含む公開ソースから収集された新しい新型コロナウイルスデータセットであるCOVYTデータセットを紹介します。
他の既存のCOVID-19サウンドデータセットと比較すると、COVYTデータセットのユニークな特徴は、全65話者から陽性と陰性の両方のサンプルを含むことである。
論文 参考訳（メタデータ） (2022-06-20T16:26:51Z) - 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) - Quantification of pulmonary involvement in COVID-19 pneumonia by means
of a cascade oftwo U-nets: training and assessment on multipledatasets using
different annotation criteria [83.83783947027392]
本研究は、新型コロナウイルスの肺病変の同定、セグメント化、定量化のために人工知能(AI)を活用することを目的とする。
2つのU-netのカスケードをベースとした自動解析パイプラインLungQuantシステムを開発した。
LungQuantシステムにおけるCT-Severity Score(CT-SS)の精度も評価した。
論文 参考訳（メタデータ） (2021-05-06T10:21:28Z) - 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) - 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) - Detection of COVID-19 through the analysis of vocal fold oscillations [18.387162887917164]
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。
論文 参考訳（メタデータ） (2020-10-21T01:44:42Z) - 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) - 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) - COVID-DA: Deep Domain Adaptation from Typical Pneumonia to COVID-19 [92.4955073477381]
新型コロナウイルス感染症(COVID-19)の流行はすでに何百万人もの人々に感染しており、今でも世界中で急速に拡大している。
近年,ディープラーニングを効果的なコンピュータ支援手法として利用し,診断効率を向上している。
本稿では,新たな深部ドメイン適応手法,すなわちCOVID-DAを提案する。
論文 参考訳（メタデータ） (2020-04-30T03:13:40Z) - Severity Assessment of Coronavirus Disease 2019 (COVID-19) Using
Quantitative Features from Chest CT Images [54.919022945740515]
本研究の目的は,胸部CT画像に基づく新型コロナウイルスの重症度自動評価(非重症度または重症度)を実現することである。
ランダム・フォレスト(RF)モデルは、量的特徴に基づいて重症度(非重症度または重症度)を評価するために訓練される。
新型コロナウイルスの重症度を反映する可能性のあるいくつかの定量的特徴が明らかになった。
論文 参考訳（メタデータ） (2020-03-26T15:49:32Z)
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。