文献

J-GLOBAL ID：202202220249347446   整理番号：22A0921124

複雑ネットワークベースの百日咳とクロップ咳解析:機械学習アプローチ【JST・京大機械翻訳】

Complex network-based pertussis and croup cough analysis: A machine learning approach

著者 (5件)： Renjini A. (Department of Optoelectronics, University of Kerala, Trivandrum, Kerala 695581, India) ,  Swapna M.S. (Department of Optoelectronics, University of Kerala, Trivandrum, Kerala 695581, India) ,  Raj Vimal (Department of Optoelectronics, University of Kerala, Trivandrum, Kerala 695581, India) ,  Satheesh Kumar K. (Department of Future Studies, University of Kerala, Trivandrum, Kerala 695581, India) ,  Sankararaman S. (Department of Optoelectronics, University of Kerala, Trivandrum, Kerala 695581, India)
資料名： Physica D: Nonlinear Phenomena  (Physica D: Nonlinear Phenomena)
巻： 433  ページ： Null  発行年： 2022年 
JST資料番号： C0749A  ISSN： 0167-2789  CODEN： PDNPDT  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,咳信号,クロープ(BC),および百日咳(PS)の隠れ特性をアンラップするためにグラフ理論に基づく複合ネットワークの可能性を引き出すための新しい方法を提案した。48の咳音のスペクトルおよび複雑なネットワーク分析を,感染した気道を通して気流を理解するために利用した。BCとPS-爆発(X),中間(I),および音声(V)の咳音時間ドメイン信号の異なる相の中で,相「I′は,不適切な声門機能のためにBCにおいてノイズが多い。スペクトル解析は,BCにおける付加的高強度低周波拡散を伴う咳信号における高周波成分を明らかにした。エッジ数(E),グラフ密度(G),推移性(Tr),度中心度(D),平均経路長(L),および成分数(Nc)のような相関マッピングアプローチによって作られた複雑なネットワーク特徴は,BCとPSを区別する。BCに対するE,G,およびTrの高い値は,PSにおけるとは違って,BCにおける信号セグメントと高強度低頻度成分の存在の間の強い相関を通して,その音楽的性質を示す。D,L,およびNcの値は,それらの内のノード間の相関の強さに関してBCとPSを識別する。線形判別分析(LDA)と二次サポートベクトルマシン(QSVM)は,LDAに対して94.11%のより大きな精度で,BCとPSを分類する。提案した作業は,COVID-19の現在のシナリオにおいて不可欠な咳音解析のための複雑なネットワークを採用する可能性を開く。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音声 ,  雑音 ,  グラフ理論 ,  *ネットワーク ,  音響 ,  気流 ,  気道 ,  スペクトル解析 ,  ラップ ,  声門 ,  *百日咳 ,  *咳 ,  *機械学習 ,  サポートベクトルマシン
準シソーラス用語： *複雑ネットワーク , 【Automatic Indexing@JST】

著者キーワード (6件)： 複雑ネットワーク解析 ,  聴診 ,  咳 cough ,  百日咳 ,  スペクトル解析 ,  機械学習技術

分類 (2件)： 音声処理  (JE05000E) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 複雑ネットワーク ,  百日咳 ,  クロップ ,  咳 ,  解析 ,  機械学習