抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,遠隔医療と自己スクリーニングを含む多くの潜在的応用を有する,ステトスコープを用いて捕捉された呼吸音の自動解析のための計算機ベースの解を開発した。3つのタイプの呼吸音(例えば,喘鳴,クラックル,および正常音)を,特注のプロトタイプ装置により60人の患者から捉えた。次に,著者らは,6つの畳込み層,3つの最大プール層および3つの完全接続層から成る深い畳込みニューラルネットワーク(CNN)モデルを提案して,その構造を最適化した。モデルは,呼吸音の特徴を自動的に学習し,それらを同定するために使用される。時間-周波数変換を通して,60のバンドの対数スケールの周波数スペクトル(LMFS)特徴をデータセットからフレームによってフレームによって抽出して,モデルの入力として23の連続したフレームのサイズにおけるセグメントに分割した。最後に,12人の新しい被験者のデータセットによりモデルを試験し,精度と再現の両方において,5人の呼吸器医師の平均性能と比較した。試験結果は,著者らのCNNモデルが呼吸医師と同じレベルの同定精度を達成することを示した。著者らの知る限りでは,これは,呼吸音に関する医療分野を評価するためにCNN法を適用する最初の研究である。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】