文献

J-GLOBAL ID：202202267450746754   整理番号：22A0428136

ピコロパターンに基づく正確な呼吸音分類モデル【JST・京大機械翻訳】

Accurate respiratory sound classification model based on piccolo pattern

著者 (3件)： Tasar Beyda (Department of Mechatronics Engineering, Engineering Faculty, Firat University, Elazig, Turkey) ,  Yaman Orhan (Department of Digital Forensics Engineering, Technology Faculty, Firat University, Elazig, Turkey) ,  Tuncer Turker (Department of Digital Forensics Engineering, Technology Faculty, Firat University, Elazig, Turkey)
資料名： Applied Acoustics  (Applied Acoustics)
巻： 188  ページ： Null  発行年： 2022年 
JST資料番号： D0559A  ISSN： 0003-682X  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： 聴診,または体音への聴取は,身体検査の最も基本的で有益な部分である。気道障害を診断する迅速で効果的な方法であるが,診断の精度は,かなりの臨床知識を必要とする。その結果,呼吸音を自動的に検出するコンピュータ化診断システムを作成し,特殊化プロセスにおける医師と訓練を支援する。自動呼吸音分類は,高度な生物医学的信号処理のための複雑な問題である。したがって,この問題を克服するために可変モデルと方法を導入した。本研究では,非線形ヒストグラムベース発生器を用いた高精度音分類モデルを紹介する。この目的を達成するために,piccoloパターン(パターンとしてpiccolo暗号のSボックス),統計的モーメント,調整可能なq因子ウェーブレット変換(TQWT),反復近傍成分分析(INCA),および従来の分類器を一緒に使用した。本モデルはTQWTを用いてレベルを生成した。Piccloパターンを用いてテクスチャ特徴(このモデルの主な特徴発生器)を生成し,統計的特徴を抽出するために統計を展開した。INCAは関連する特徴を選択する。決定木(DT),サポートベクトルマシン(SVM),およびk最近傍(KNN)分類器を,結果を計算するために選択した特徴ベクトルに適用した。ICHBI2017データセットを用いて3例を定義し,結果を包括的に計算した。定義された症例は,それぞれ7つ,3つおよび8つのカテゴリーを含む。さらに,5つの性能計算メトリックを用いて,包括的に提示したピクロパターンベースモデルを評価した。導入したピクコロパターンベースのモデルは,KNNを採用することによって,ケース1,ケース2およびケース3に対して99.45%,99.31%および99.19%の精度に達した。これらの精度はpiccoloパターンベースモデルの成功を示す。さらに,このモデルは呼吸音分類のための以前に提示された深層学習ベース法よりも高い精度を達成する。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： *音響 ,  信号処理 ,  ディシジョンツリー ,  聴診 ,  モーメント ,  暗号 ,  理学的検査 ,  コンピュータ ,  ウェーブレット変換 ,  気道閉塞 ,  サポートベクトルマシン
準シソーラス用語： *呼吸音 ,  特徴ベクトル ,  ホップ数 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺疾患 ,  肺音解析 ,  Piccoloパターン ,  NCA特徴選択 ,  TQWT

分類 (2件)： 音響測定  (BB03040R) ,  音波伝搬  (BB03030G)

タイトルに関連する用語 (2件)： 呼吸音 ,  分類モデル