Fugu-MT 論文翻訳(概要): The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds

論文の概要: The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds

arxiv url: http://arxiv.org/abs/2101.08288v1
Date: Wed, 20 Jan 2021 19:04:33 GMT
ステータス: 処理完了
システム内更新日: 2021-03-22 03:50:45.561655
Title: The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds
Title（参考訳）: hilbert-huang変換を用いた気管支喘息の診断と肺音の深層学習
Authors: G\"okhan Altan, Yakup Kutlu, Adnan \"Ozhan Pekmezci, Serkan Nural
Abstract要約: ヒルベルト変換を肺音に適用することにより抽出される固有モード関数から統計的特徴を算出した。喘息および健常者からの肺音の分類はDeep Belief Networks(DBN)を用いて行われる。
参考スコア（独自算出の注目度）: 2.294014185517203
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Lung auscultation is the most effective and indispensable method for diagnosing various respiratory disorders by using the sounds from the airways during inspirium and exhalation using a stethoscope. In this study, the statistical features are calculated from intrinsic mode functions that are extracted by applying the HilbertHuang Transform to the lung sounds from 12 different auscultation regions on the chest and back. The classification of the lung sounds from asthma and healthy subjects is performed using Deep Belief Networks (DBN). The DBN classifier model with two hidden layers has been tested using 5-fold cross validation method. The proposed DBN separated lung sounds from asthmatic and healthy subjects with high classification performance rates of 84.61%, 85.83%, and 77.11% for overall accuracy, sensitivity, and selectivity, respectively using frequencytime analysis.
Abstract（参考訳）: 肺吸入時の気道からの音と聴診器による呼気を用いて様々な呼吸障害を診断するための最も効果的かつ必要不可欠な方法である。本研究では,Hilbert Huang Transformを胸部および背部の12種類の聴診領域から肺音に適用することにより抽出した内在モード関数から統計的特徴を算出した。喘息および健常者からの肺音の分類はDeep Belief Networks (DBN)を用いて行う。 2つの隠蔽層を持つDBN分類器モデルを5倍のクロスバリデーション法を用いて検証した。提案したDBNは, 総精度, 感度, 選択性について, 高分類率84.61%, 85.83%, 77.11%の喘息患者と健常者とをそれぞれ周波数時間分析により分離した。
全文参考訳へのリンク