論文の概要: Automatic non-invasive Cough Detection based on Accelerometer and Audio Signals

• arxiv url: http://arxiv.org/abs/2109.00103v1
• Date: Tue, 31 Aug 2021 22:44:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-02 20:04:32.261954
• Title: Automatic non-invasive Cough Detection based on Accelerometer and Audio Signals
• Title（参考訳）: 加速度計と音声信号を用いた非侵襲的cough自動検出
• Authors: Madhurananda Pahar, Igor Miranda, Andreas Diacon, Thomas Niesler
• Abstract要約: 本稿では,加速度計と音声信号の両方に基づいて,自動的非侵襲的コークス検出手法を提案する。 加速度信号は、その統合加速度計を使用して、患者のベッドにしっかりと取り付けられたスマートフォンによって捕捉される。 結核クリニックの成人男性14名を対象に, 約6000頭, 68000頭, 約6000頭, 約68000頭について, 同時捕捉加速度と音声信号を含む手動注釈データセットを作成した。
• 参考スコア（独自算出の注目度）: 6.004134549265193
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an automatic non-invasive way of detecting cough events based on both accelerometer and audio signals. The acceleration signals are captured by a smartphone firmly attached to the patient's bed, using its integrated accelerometer. The audio signals are captured simultaneously by the same smartphone using an external microphone. We have compiled a manually-annotated dataset containing such simultaneously-captured acceleration and audio signals for approximately 6000 cough and 68000 non-cough events from 14 adult male patients in a tuberculosis clinic. LR, SVM and MLP are evaluated as baseline classifiers and compared with deep architectures such as CNN, LSTM, and Resnet50 using a leave-one-out cross-validation scheme. We find that the studied classifiers can use either acceleration or audio signals to distinguish between coughing and other activities including sneezing, throat-clearing, and movement on the bed with high accuracy. However, in all cases, the deep neural networks outperform the shallow classifiers by a clear margin and the Resnet50 offers the best performance by achieving an AUC exceeding 0.98 and 0.99 for acceleration and audio signals respectively. While audio-based classification consistently offers a better performance than acceleration-based classification, we observe that the difference is very small for the best systems. Since the acceleration signal requires less processing power, and since the need to record audio is sidestepped and thus privacy is inherently secured, and since the recording device is attached to the bed and not worn, an accelerometer-based highly accurate non-invasive cough detector may represent a more convenient and readily accepted method in long-term cough monitoring.
• Abstract（参考訳）: 加速度計と音声信号の両方に基づいて, せきイベントを自動的に検出する非侵襲的手法を提案する。 加速度信号は、その統合加速度計を使用して、患者のベッドにしっかりと取り付けられたスマートフォンによって捕捉される。 外部マイクを用いて同じスマートフォンで同時にオーディオ信号をキャプチャする。 結核診療所の成人男性14人を対象に, 約6,000クフと68,000の非クフイベントに対して, 同時取得の加速度と音声信号を含む手作業によるデータセットを作成した。 LR, SVM, MLPはベースライン分類器として評価され, CNN, LSTM, Resnet50のような深いアーキテクチャと比較される。 研究対象の分類器は, 加速度信号と音声信号を用いて, しゃがみ, 喉のクリーニング, ベッド上での移動などの他の活動とを高精度に区別できることがわかった。 しかし、いずれの場合も、ディープニューラルネットワークは浅い分類器をクリアマージンで上回り、Resnet50はアクセラレーションとオーディオ信号でそれぞれ0.98および0.99を超えるAUCを達成することで最高の性能を提供する。 音声に基づく分類は、加速度に基づく分類よりも優れた性能を提供するが、最良のシステムでは違いが非常に小さい。 加速度信号は処理パワーを少なくし、オーディオを記録する必要がなくなり、本質的にプライバシーが確保されるため、記録装置はベッドに取り付けられて着用しないため、加速度計を用いた高精度な非侵襲的cough検出器は、長期間のcough監視においてより便利で容易に受け入れられる方法を表すことができる。

関連論文リスト

• Proactive Detection of Voice Cloning with Localized Watermarking [50.13539630769929]
  本稿では,AI生成音声の局所検出に特化して設計された,最初の音声透かし技術であるAudioSealを紹介する。 AudioSealは、ローカライゼーションロスと共同でトレーニングされたジェネレータ/検出器アーキテクチャを使用して、サンプルレベルまでローカライズされた透かし検出を可能にする。 AudioSealは、実生活のオーディオ操作に対する堅牢性と、自動的および人的評価指標に基づく非知覚性の観点から、最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-01-30T18:56:22Z)
• Low Latency Real-Time Seizure Detection Using Transfer Deep Learning [0.0]
  スカルプ脳波(EEG)信号は本質的に低信号-雑音比を有する。 ディープラーニングを用いた発作検出における最も一般的なアプローチは、この情報を共同でモデル化したり、信号に複数のパスを必要とすることはない。 本稿では,マルチチャネル信号をグレースケール画像に変換すると同時に,転送学習を用いて高い性能を実現する。
  論文  参考訳（メタデータ） (2022-02-16T00:03:00Z)
• Accelerometer-based Bed Occupancy Detection for Automatic, Non-invasive Long-term Cough Monitoring [7.755952127616406]
  本稿では,スマートフォン内蔵加速度計から患者のベッド占有度を自動的に検出し,機械学習による長期コークスモニタリングシステムを提案する。 結核(TB)治療中の成人7人の手動加速度信号の249時間データセットを収集した。 その結果, TB療法で改善した患者は, 毎日のうっ血率を低下させていることがわかった。
  論文  参考訳（メタデータ） (2022-02-08T15:38:34Z)
• Cough Detection Using Selected Informative Features from Audio Signals [24.829135966052142]
  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。
  論文  参考訳（メタデータ） (2021-08-07T23:05:18Z)
• 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)
• Spotting adversarial samples for speaker verification by neural vocoders [102.1486475058963]
  我々は、自動話者検証(ASV)のための敵対サンプルを見つけるために、ニューラルボコーダを採用する。 元の音声と再合成音声のASVスコアの違いは、真正と逆正のサンプルの識別に良い指標であることがわかった。 私たちのコードは、将来的な比較作業のためにオープンソースにされます。
  論文  参考訳（メタデータ） (2021-07-01T08:58:16Z)
• Discriminative Singular Spectrum Classifier with Applications on Bioacoustic Signal Recognition [67.4171845020675]
  分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。 タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。 提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
  論文  参考訳（メタデータ） (2021-03-18T11:01:21Z)
• Deep Neural Network based Cough Detection using Bed-mounted Accelerometer Measurements [6.004134549265193]
  我々は,患者のベッドに装着した加速度計から測定値に基づいて,うっ血検出を行った。 この形態の監視は、体に装着した加速度センサよりも侵入性が低く、音波を音波検出に使用する際に生じるプライバシー上の懸念の側面である。 スマートフォンの加速度計による測定のみに基づく高精度のコークスモニタリングが可能であると結論付けている。
  論文  参考訳（メタデータ） (2021-02-09T18:04:35Z)
• 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)
• Detection of gravitational-wave signals from binary neutron star mergers using machine learning [52.77024349608834]
  本稿では,重力波検出器の時系列ひずみデータを用いたニューラルネットワークに基づく機械学習アルゴリズムを提案する。 信号対雑音比が25未満の信号に対する感度は6因子改善した。 保守的な推定は、我々のアルゴリズムが信号の到着からアラート発生までの平均10.2秒の遅延を発生させることを示している。
  論文  参考訳（メタデータ） (2020-06-02T10:20:11Z)
• DeepBeat: A multi-task deep learning approach to assess signal quality and arrhythmia detection in wearable devices [0.0]
  我々は、心房細動(AF)のリアルタイム検出のためのウェアラブル光胸腺撮影装置における信号品質と不整脈事象検出のマルチタスク深層学習法を開発した。 我々は,3つのウェアラブルデバイスから100人以上の個人から,500万以上のラベル付き信号を収集したデータセット上で,ラベル付けされていない生理的信号と微調整をシミュレーションした100万以上のアルゴリズムをトレーニングした。 2段階のトレーニングは、大規模な注釈付きデータセットが不足しているバイオメディカルアプリケーションに共通する不均衡なデータ問題に対処する上で有効であることを示す。
  論文  参考訳（メタデータ） (2020-01-01T07:41:28Z)

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。