論文の概要: A New Non-Negative Matrix Co-Factorisation Approach for Noisy Neonatal Chest Sound Separation

• arxiv url: http://arxiv.org/abs/2109.03275v1
• Date: Sat, 4 Sep 2021 02:48:02 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 13:31:20.257287
• Title: A New Non-Negative Matrix Co-Factorisation Approach for Noisy Neonatal Chest Sound Separation
• Title（参考訳）: 新生児胸部雑音分離のための非負性マトリックス共役法
• Authors: Ethan Grooby, Jinyuan He, Davood Fattahi, Lindsay Zhou, Arrabella King, Ashwin Ramanathan, Atul Malhotra, Guy A. Dumont, Faezeh Marzbanrad
• Abstract要約: 非負のマトリックス共役に基づく新しいアプローチが提案され, 胸部雑音を心臓, 肺, 騒音成分に分離する。 この方法は、ノイズ録音の音を分離しながら、20の高品質な心臓と肺の音を訓練することで達成される。 その結果, 心臓および肺の音質は有意に改善し, 心拍数3.6bpmと1.2bpmの精度が向上した。
• 参考スコア（独自算出の注目度）: 0.09512887847441218
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Obtaining high-quality heart and lung sounds enables clinicians to accurately assess a newborn's cardio-respiratory health and provide timely care. However, noisy chest sound recordings are common, hindering timely and accurate assessment. A new Non-negative Matrix Co-Factorisation-based approach is proposed to separate noisy chest sound recordings into heart, lung, and noise components to address this problem. This method is achieved through training with 20 high-quality heart and lung sounds, in parallel with separating the sounds of the noisy recording. The method was tested on 68 10-second noisy recordings containing both heart and lung sounds and compared to the current state of the art Non-negative Matrix Factorisation methods. Results show significant improvements in heart and lung sound quality scores respectively, and improved accuracy of 3.6bpm and 1.2bpm in heart and breathing rate estimation respectively, when compared to existing methods.
• Abstract（参考訳）: 高品質な心臓と肺の音を持つことで、臨床医は新生児の心臓呼吸の健康を正確に評価し、タイムリーなケアを行うことができる。 しかし、ノイズの多い胸部録音が一般的であり、タイムリーで正確な評価を妨げている。 非負のマトリックス共役に基づく新しいアプローチが提案され, 胸部雑音を心臓, 肺, 騒音成分に分離し, この問題に対処する。 この方法は、ノイズ録音の音を分離しながら、20の高品質な心臓と肺の音を訓練することで達成される。 本法は, 心臓および肺の音を含む68秒間ノイズ記録を用いて検討し, 非負行列分解法の現状と比較した。 その結果、心拍数と肺音質スコアはそれぞれ有意な改善を示し、従来の方法と比較して心拍数3.6bpmと1.2bpmの精度が向上した。

関連論文リスト

• Epicardium Prompt-guided Real-time Cardiac Ultrasound Frame-to-volume Registration [50.602074919305636]
  本稿では,CU-Reg と呼ばれる,軽量でエンドツーエンドなカード・ツー・エンド・超音波フレーム・ツー・ボリューム・レジストレーション・ネットワークを提案する。 2次元スパースと3次元濃密な特徴の相互作用を増強するために,心内膜急速ガイドによる解剖学的手がかりを用い,その後,強化された特徴のボクセル的局所グロバル集約を行った。
  論文  参考訳（メタデータ） (2024-06-20T17:47:30Z)
• A Method for Detecting Murmurous Heart Sounds based on Self-similar Properties [0.03222802562733786]
  心室とは、心臓を流れる血液の流れによって生じる非定型的な音である。 現在の心臓音の同定法は、心音信号の本質的な特性を探求することによって得られる知見を十分に活用していない。 本研究は,心臓音の自己相似性と複雑性特性に基づく,新しい識別的特徴セットを提案する。
  論文  参考訳（メタデータ） (2023-05-28T22:21:31Z)
• Prediction of Neonatal Respiratory Distress in Term Babies at Birth from Digital Stethoscope Recorded Chest Sounds [2.466324275447402]
  本報告では, デジタル聴診器を用いた1分後の胸部超音波検査について検討する。 このアルゴリズムは、それぞれ85.0%、66.7%、81.8%の特異性、感度、精度を生んだ。
  論文  参考訳（メタデータ） (2022-01-25T05:46:52Z)
• Noisy Neonatal Chest Sound Separation for High-Quality Heart and Lung Sounds [2.536333994672575]
  聴診器に記録された胸部音は新生児の遠隔循環型健康モニタリングの機会となる。 信頼性の高いモニタリングには、高品質な心臓と肺の音が必要である。 新生児胸部音響分離のための新しい非負マトリックス因子分解法(NMF)と非負マトリックス共役法(NMCF)を提案する。
  論文  参考訳（メタデータ） (2022-01-10T08:38:10Z)
• Real-Time Multi-Level Neonatal Heart and Lung Sound Quality Assessment for Telehealth Applications [0.08872883781800303]
  遠隔医療と組み合わせたデジタル聴診器により、胸部音の収集と送信が容易になり、遠隔監視と診断が可能となった。 低品質の記録は遠隔監視と診断を複雑にする。 心臓と肺の信号品質を5段階の尺度でリアルタイムに客観的かつ自動評価する手法が提案されている。
  論文  参考訳（メタデータ） (2021-09-29T01:08:20Z)
• The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds [2.294014185517203]
  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。
  論文  参考訳（メタデータ） (2021-01-20T19:04:33Z)
• 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)
• 2-D Respiration Navigation Framework for 3-D Continuous Cardiac Magnetic Resonance Imaging [61.701281723900216]
  連続スキャン中に2次元呼吸情報を得るためのサンプリング適応を提案する。 我々は、取得した信号から異なる呼吸状態を抽出し、ある呼吸相からデータを再構成するパイプラインを開発した。
  論文  参考訳（メタデータ） (2020-12-26T08:29:57Z)
• Noise-Resilient Automatic Interpretation of Holter ECG Recordings [67.59562181136491]
  本稿では,ホルター記録を雑音に頑健に解析する3段階プロセスを提案する。 第1段階は、心拍位置を検出する勾配デコーダアーキテクチャを備えたセグメンテーションニューラルネットワーク(NN)である。 第2段階は、心拍を幅または幅に分類する分類NNである。 第3のステージは、NN機能の上に、患者対応機能を組み込んだ強化決定木(GBDT)である。
  論文  参考訳（メタデータ） (2020-11-17T16:15:49Z)
• Neural collaborative filtering for unsupervised mitral valve segmentation in echocardiography [60.08918310097638]
  心エコービデオの低次元埋め込みに基づく僧帽弁断面積自動制御法を提案する。 本法は, 各種僧帽弁疾患患者の心エコービデオと, 独立した検査コホートを用いて評価した。 これは、低品質ビデオやスパースアノテーションの場合には、最先端のインハンサーとエンファンサーの手法より優れている。
  論文  参考訳（メタデータ） (2020-08-13T12:53:26Z)
• Segmentation of the Myocardium on Late-Gadolinium Enhanced MRI based on 2.5 D Residual Squeeze and Excitation Deep Learning Model [55.09533240649176]
  本研究の目的は,LGE-MRIを用いた心筋境界領域の深部学習モデルに基づく正確な自動セグメンテーション法を開発することである。 合計320回の試験(平均6回の試験)と28回の試験が行われた。 ベーススライスとミドルスライスにおけるアンサンブルモデルの性能解析は, サーバ内調査と同等であり, アトピーススライスではわずかに低かった。
  論文  参考訳（メタデータ） (2020-05-27T20:44:38Z)

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。