論文の概要: Respiratory Inhaler Sound Event Classification Using Self-Supervised Learning

• arxiv url: http://arxiv.org/abs/2504.11246v1
• Date: Tue, 15 Apr 2025 14:44:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-16 22:11:00.515458
• Title: Respiratory Inhaler Sound Event Classification Using Self-Supervised Learning
• Title（参考訳）: 自己監督学習を用いた呼吸吸入音事象の分類
• Authors: Davoud Shariat Panah, Alessandro N Franciosi, Cormac McCarthy, Andrew Hines,
• Abstract要約: 喘息は世界中の何百万人もの人に影響を及ぼす慢性呼吸器疾患である。 我々は,このモデルを吸入音の事前学習と微調整により,吸入音分類のためのwav2vec 2.0自己教師学習モデルを適用した。 提案モデルでは、ドライパウダー吸入器とスマートウォッチデバイスを用いて収集したデータセットに対して、バランスの取れた精度が98%であることを示す。
• 参考スコア（独自算出の注目度）: 43.83039192442981
• License:
• Abstract: Asthma is a chronic respiratory condition that affects millions of people worldwide. While this condition can be managed by administering controller medications through handheld inhalers, clinical studies have shown low adherence to the correct inhaler usage technique. Consequently, many patients may not receive the full benefit of their medication. Automated classification of inhaler sounds has recently been studied to assess medication adherence. However, the existing classification models were typically trained using data from specific inhaler types, and their ability to generalize to sounds from different inhalers remains unexplored. In this study, we adapted the wav2vec 2.0 self-supervised learning model for inhaler sound classification by pre-training and fine-tuning this model on inhaler sounds. The proposed model shows a balanced accuracy of 98% on a dataset collected using a dry powder inhaler and smartwatch device. The results also demonstrate that re-finetuning this model on minimal data from a target inhaler is a promising approach to adapting a generic inhaler sound classification model to a different inhaler device and audio capture hardware. This is the first study in the field to demonstrate the potential of smartwatches as assistive technologies for the personalized monitoring of inhaler adherence using machine learning models.
• Abstract（参考訳）: 喘息は世界中の何百万人もの人に影響を及ぼす慢性呼吸器疾患である。 この状態は、ハンドヘルド吸入器を介してコントロール薬を投与することで管理できるが、臨床研究は正しい吸入器の使用法への順応性が低いことを示している。 その結果、多くの患者は薬の恩恵を受けられない可能性がある。 吸入音の自動分類は, 薬物の付着度を評価するために最近研究されている。 しかし、既存の分類モデルは典型的には特定の吸入器からのデータを用いて訓練され、異なる吸入器からの音に一般化する能力は明らかにされていない。 本研究では,吸入音の事前学習と微調整により,吸入音の分類にwav2vec 2.0自己教師学習モデルを適用した。 提案モデルでは、ドライパウダー吸入器とスマートウォッチデバイスを用いて収集したデータセットに対して、バランスの取れた精度が98%であることを示す。 また、このモデルをターゲット吸入器から最小限のデータで再調整することは、一般的な吸入器音分類モデルを異なる吸入器とオーディオキャプチャハードウェアに適応させるための有望なアプローチであることを示した。 これは、機械学習モデルを用いた吸入者の付着を個人化監視するための補助技術として、スマートウォッチの可能性を示す最初の研究である。

関連論文リスト

• Machine learning-based algorithms for at-home respiratory disease monitoring and respiratory assessment [45.104212062055424]
  本研究の目的は、在宅呼吸器疾患のモニタリングと評価を容易にする機械学習ベースのアルゴリズムを開発することである。 健常成人30名を対象に, 呼吸圧, 血流, 胸腹部周囲の動的計測を行った。 ランダムフォレスト分類器、ロジスティック回帰、サポートベクターマシン(SVM)など、さまざまな機械学習モデルをトレーニングし、呼吸タイプを予測する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:31Z)
• Towards Enhanced Classification of Abnormal Lung sound in Multi-breath: A Light Weight Multi-label and Multi-head Attention Classification Method [0.0]
  本研究は, 肺の異常な呼吸音を分類するための補助診断システムを開発することを目的とする。 既存の呼吸音データセットにおけるクラス不均衡と多様性の欠如の問題に対処するため,本研究では軽量で高精度なモデルを用いた。
  論文  参考訳（メタデータ） (2024-07-15T15:40:02Z)
• Self-Supervised Pretraining Improves Performance and Inference Efficiency in Multiple Lung Ultrasound Interpretation Tasks [65.23740556896654]
  肺超音波検査における複数分類課題に適用可能なニューラルネットワーク特徴抽出器を,自己指導型プレトレーニングで作成できるかどうかを検討した。 3つの肺超音波のタスクを微調整すると、事前訓練されたモデルにより、各テストセットの受信操作曲線(AUC)における平均クロスタスク面積は、それぞれ0.032と0.061に改善された。
  論文  参考訳（メタデータ） (2023-09-05T21:36:42Z)
• Patch-Mix Contrastive Learning with Audio Spectrogram Transformer on Respiratory Sound Classification [18.56326840619165]
  本稿では,潜在空間における混合表現を識別するために,新規かつ効果的なパッチ・ミクス・コントラスト学習を提案する。 提案手法はICBHIデータセット上での最先端性能を実現し,4.08%の改善により先行先行スコアを上回った。
  論文  参考訳（メタデータ） (2023-05-23T13:04:07Z)
• Decision Forest Based EMG Signal Classification with Low Volume Dataset Augmented with Random Variance Gaussian Noise [51.76329821186873]
  我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。 信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
  論文  参考訳（メタデータ） (2022-06-29T23:22:18Z)
• AI-enabled Sound Pattern Recognition on Asthma Medication Adherence: Evaluation with the RDA Benchmark Suite [2.756147934836573]
  喘息は、一般的には長期にわたる呼吸器疾患であり、世界社会や経済に悪影響を及ぼす。 臨床相談における吸入法の評価には客観的な方法が必要である。 本稿では、喘息薬の付着度評価のための機械学習技術を用いて、音響パターン認識を再考する。
  論文  参考訳（メタデータ） (2022-05-30T18:08:28Z)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Spirometry-based airways disease simulation and recognition using Machine Learning approaches [0.0]
  本研究は、スピロメーターを用いて容易に記録できる測定方法に焦点を当てる。 このフレームワークで使用される信号は、肺の線形複区画モデルを用いてシミュレートされる。 抵抗パラメータと弾性パラメータを変化させることで、健康、線維症、喘息呼吸をシミュレートしたデータサンプルが実現される。
  論文  参考訳（メタデータ） (2021-11-08T08:01:18Z)
• Exploring Self-Supervised Representation Ensembles for COVID-19 Cough Classification [5.469841541565308]
  そこで本研究では,新しい自己教師付き学習フレームワークを提案する。 非ラベルデータでトランスフォーマベースの特徴エンコーダを訓練するために、コントラストプレトレーニングフェーズを導入する。 提案したコントラスト事前学習,ランダムマスキング機構,アンサンブルアーキテクチャが,コークス分類性能の向上に寄与していることを示す。
  論文  参考訳（メタデータ） (2021-05-17T01:27:20Z)
• Self-Training with Improved Regularization for Sample-Efficient Chest X-Ray Classification [80.00316465793702]
  挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。 その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
  論文  参考訳（メタデータ） (2020-05-03T02:36:00Z)

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。