Fugu-MT 論文翻訳(概要): Cough Detection Using Selected Informative Features from Audio Signals

論文の概要: Cough Detection Using Selected Informative Features from Audio Signals

arxiv url: http://arxiv.org/abs/2108.03538v1
Date: Sat, 7 Aug 2021 23:05:18 GMT
ステータス: 処理完了
システム内更新日: 2021-08-11 09:33:38.504442
Title: Cough Detection Using Selected Informative Features from Audio Signals
Title（参考訳）: 音声信号から選択した情報的特徴量を用いたcough検出
Authors: Xinru Chen, Menghan Hu, Guangtao Zhai
Abstract要約: モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。最高のコー検出モデルは、それぞれ94.9%、97.1%、93.1%、0.95の精度、リコール、精度、F1スコアを実現する。
参考スコア（独自算出の注目度）: 24.829135966052142
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Cough is a common symptom of respiratory and lung diseases. Cough detection is important to prevent, assess and control epidemic, such as COVID-19. This paper proposes a model to detect cough events from cough audio signals. The models are trained by the dataset combined ESC-50 dataset with self-recorded cough recordings. The test dataset contains inpatient cough recordings collected from inpatients of the respiratory disease department in Ruijin Hospital. We totally build 15 cough detection models based on different feature numbers selected by Random Frog, Uninformative Variable Elimination (UVE), and Variable influence on projection (VIP) algorithms respectively. The optimal model is based on 20 features selected from Mel Frequency Cepstral Coefficients (MFCC) features by UVE algorithm and classified with Support Vector Machine (SVM) linear two-class classifier. The best cough detection model realizes the accuracy, recall, precision and F1-score with 94.9%, 97.1%, 93.1% and 0.95 respectively. Its excellent performance with fewer dimensionality of the feature vector shows the potential of being applied to mobile devices, such as smartphones, thus making cough detection remote and non-contact.
Abstract（参考訳）: カフは呼吸器疾患や肺疾患の一般的な症状である。干ばつ検出は、新型コロナウイルスなどの流行を予防、評価、防除するために重要である。本稿では,cough音声信号からcoughイベントを検出するモデルを提案する。モデルは、ESC-50データセットと自己記録コークス記録を組み合わせたデータセットでトレーニングされる。本試験データセットは、類人病院の呼吸器疾患部入院患者から収集した入院者コークス記録を含む。我々は,Random Frog,Uninformative Variable Elimination (UVE) およびVIPアルゴリズムによって選択された特徴数に基づいて,それぞれ15のコークス検出モデルを構築した。最適モデルは、UVEアルゴリズムによりMel Frequency Cepstral Coefficients (MFCC) から選択された20の特徴に基づいており、SVM線形二クラス分類器で分類される。最良のcough検出モデルは、94.9%、97.1%、93.1%、0.95の精度、リコール、精度、およびf1-scoreを実現する。特徴ベクトルの次元を小さくした優れた性能は、スマートフォンなどのモバイルデバイスに適用される可能性を示し、カフ検出を遠隔および非接触にする。

関連論文リスト

COVID-19 Detection System: A Comparative Analysis of System Performance Based on Acoustic Features of Cough Audio Signals [0.6963971634605796]
本研究は、新型コロナウイルス検出における機械学習(ML)モデルの性能向上を図ることを目的としている。 MFCC(Mel Frequency Cepstral Coefficients)、クロマ(Chroma)、スペクトルコントラスト(Spectral Contrast)の3つの特徴抽出手法の有効性について検討し、2つの機械学習アルゴリズム、SVM(Support Vector Machine)とMLP(Multilayer Perceptron)に適用した。提案システムでは,COUGHVIDデータセットでは0.843,Virufyでは0.953,最先端の分類性能を示す。
論文参考訳（メタデータ） (2023-09-08T08:33:24Z)
Fused Audio Instance and Representation for Respiratory Disease Detection [0.6827423171182154]
呼吸器疾患の検出方法としてFAIR(Fused Audio Instance and Representation)を提案する。体音の波形とスペクトログラムの表現を組み合わせることで、COVID-19検出のユースケースについて実験を行った。
論文参考訳（メタデータ） (2022-04-22T09:01:29Z)
A Generic Deep Learning Based Cough Analysis System from Clinically Validated Samples for Point-of-Need Covid-19 Test and Severity Levels [85.41238731489939]
臨床検体8,380名を対象に,Covid-19の迅速一次スクリーニングツールの検出性能について検討した。提案手法は,経験的モード分解(EMD)に基づくアルゴリズムであり,その後に音声特徴量に基づく分類を行う。 DeepCoughの2つの異なるバージョン、すなわちDeepCough2DとDeepCough3Dのテンソル次元について検討した。
論文参考訳（メタデータ） (2021-11-10T19:39:26Z)
EIHW-MTG DiCOVA 2021 Challenge System Report [2.3544007354006706]
本研究の目的は、うずまに埋め込まれた音響情報を分析することで、COVID-19患者を自動的に検出することである。本研究は、新型コロナウイルスがこれらの信号の周波数量を変化させるかどうかを調べることを目的として、試料の分光図表現の分析に焦点をあてる。
論文参考訳（メタデータ） (2021-10-13T07:38:54Z)
The pitfalls of using open data to develop deep learning solutions for COVID-19 detection in chest X-rays [64.02097860085202]
深層学習モデルは、胸部X線から新型コロナウイルスを識別するために開発された。オープンソースデータのトレーニングやテストでは,結果は異例です。データ分析とモデル評価は、人気のあるオープンソースデータセットであるCOVIDxが実際の臨床問題を代表していないことを示している。
論文参考訳（メタデータ） (2021-09-14T10:59:11Z)
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)
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)
Pay Attention to the cough: Early Diagnosis of COVID-19 using Interpretable Symptoms Embeddings with Cough Sound Signal Processing [0.0]
新型コロナウイルス(SARS-CoV-2によるコロナウイルスのパンデミック)は、人類にとって恐ろしく壊滅的な大惨事を引き起こしている。新型コロナウイルスの現在の診断は、RT-PCR(Reverse-Transcription Polymer Chain Reaction)テストによって行われる。音声の特徴と症状メタデータに基づいて、解釈可能で新型コロナウイルスの診断AIフレームワークを開発、開発する。
論文参考訳（メタデータ） (2020-10-06T01:22:50Z)
Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文参考訳（メタデータ） (2020-05-24T23:13:16Z)
Can Machine Learning Be Used to Recognize and Diagnose Coughs? [3.2265234594751155]
呼吸器感染症のスクリーニングには,低複雑性,自動認識,診断ツールが有用である。コンボリューショナルニューラルネットワーク (CNN) を用いて, 環境音のコアを検出し, 3つの潜在的な疾患を診断する。提案された検出モデルと診断モデルはどちらも精度が89%以上であり、計算効率も高い。
論文参考訳（メタデータ） (2020-04-01T20:14:36Z)

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。