Fugu-MT 論文翻訳(概要): Wake-Cough: cough spotting and cougher identification for personalised long-term cough monitoring

論文の概要: Wake-Cough: cough spotting and cougher identification for personalised long-term cough monitoring

arxiv url: http://arxiv.org/abs/2110.03771v1
Date: Thu, 7 Oct 2021 20:10:20 GMT
ステータス: 処理完了
システム内更新日: 2021-10-12 06:49:36.000789
Title: Wake-Cough: cough spotting and cougher identification for personalised long-term cough monitoring
Title（参考訳）: wake-cough: パーソナライズされた長期coughモニタリングのためのcough spottingとcougher identification
Authors: Madhurananda Pahar, Marisa Klopper, Byron Reeve, Rob Warren, Grant Theron, Andreas Diacon, Thomas Niesler
Abstract要約: 「ウェイクカフ」は、Resnet50を用いたコーズへのウェイクワードスポッティングの応用である。ウェイクカフ(Wake-cough)は、個人化された非侵入的、粗いモニタリングシステムである。
参考スコア（独自算出の注目度）: 5.395757397475033
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present 'wake-cough', an application of wake-word spotting to coughs using Resnet50 and identifying coughers using i-vectors, for the purpose of a long-term, personalised cough monitoring system. Coughs, recorded in a quiet (73$\pm$5 dB) and noisy (34$\pm$17 dB) environment, were used to extract i-vectors, x-vectors and d-vectors, used as features to the classifiers. The system achieves 90.02\% accuracy from an MLP to discriminate 51 coughers using 2-sec long cough segments in the noisy environment. When discriminating between 5 and 14 coughers using longer (100 sec) segments in the quiet environment, this accuracy rises to 99.78\% and 98.39\% respectively. Unlike speech, i-vectors outperform x-vectors and d-vectors in identifying coughers. These coughs were added as an extra class in the Google Speech Commands dataset and features were extracted by preserving the end-to-end time-domain information in an event. The highest accuracy of 88.58\% is achieved in spotting coughs among 35 other trigger phrases using a Resnet50. Wake-cough represents a personalised, non-intrusive, cough monitoring system, which is power efficient as using wake-word detection method can keep a smartphone-based monitoring device mostly dormant. This makes wake-cough extremely attractive in multi-bed ward environments to monitor patient's long-term recovery from lung ailments such as tuberculosis and COVID-19.
Abstract（参考訳）: Resnet50を用いてコークスにウェイクワードスポッティングを施し,iベクターを用いてコークスを識別する「ウェイクカフ」を長期の個人化コークスモニタリングシステムのために提案する。静かな (73$\pm$5 db) 環境と騒がしい (34$\pm$17 db) 環境で記録されたcoughsは、分類器の特徴として使われるi-vectors、x-vectors、d-vectorsの抽出に用いられた。本システムでは,騒音環境下において,mlpから2秒のコウセグメントを用いて51カウを判別する90.02\%の精度を達成している。静かな環境では、より長い(100秒)セグメントで5と14を識別すると、それぞれ99.78\%と98.39\%となる。音声とは異なり、i-vectorsはx-vectorsとd-vectorsを上回っている。これらのcoughsは、google speech commandデータセットの余分なクラスとして追加され、イベントのエンドツーエンドのタイムドメイン情報を保存して機能を抽出する。 88.58\%の最高精度は、Resnet50を使用した35の他のトリガーフレーズのコーズを発見できる。 wake-coughはパーソナライズされた非意図的なcough監視システムであり、wake-word検出方法を使うことでスマートフォンベースの監視デバイスをほとんど休眠状態に保つことができる。これは多層病床環境において、結核やCOVID-19などの肺疾患からの長期の回復を監視するために非常に魅力的である。

関連論文リスト

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)
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)
CoughTrigger: Earbuds IMU Based Cough Detection Activator Using An Energy-efficient Sensitivity-prioritized Time Series Classifier [8.680417502791599]
CoughTriggerは、耳栓の慣性測定ユニット(IMU)をコースティック検出アクティベーターとして使用している。最小限のバッテリ使用量で、スタンバイサービスとして、オール・ザ・タイムで実行することができる。
論文参考訳（メタデータ） (2021-11-07T21:39:51Z)
Automatic non-invasive Cough Detection based on Accelerometer and Audio Signals [6.004134549265193]
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。
論文参考訳（メタデータ） (2021-08-31T22:44:56Z)
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)
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)
BinaryCoP: Binary Neural Network-based COVID-19 Face-Mask Wear and Positioning Predictor on Edge Devices [63.56630165340053]
フェイスマスクは、空気性疾患に対する双方向保護のための医療に効果的な解決策を提供する。 CNNは、顔認識と正しいマスク着用と位置決めの分類に優れたソリューションを提供する。 CNNは、企業ビル、空港、ショッピングエリア、その他の屋内場所への入り口で利用でき、ウイルスの拡散を緩和することができる。
論文参考訳（メタデータ） (2021-02-06T00:14:06Z)
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)
Respiratory Sound Classification Using Long-Short Term Memory [62.997667081978825]
本稿では,呼吸器疾患の分類に関連して,音の分類を行おうとする際の問題点について検討する。このようなタスクをどのように実装できるかを特定するために、ディープラーニングと長期短期記憶ネットワークの使用の検討を行う。
論文参考訳（メタデータ） (2020-08-06T23:11:57Z)
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)

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。