Name: Auf maschinellem Lernen basierende Hustentonklassifikation: Diagnostische Erforschung chronisch obstruktiver Lungenerkrankungen und Atemwegsinfektionen (Video) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: Entdecken Sie maschinelles Lernen zur Klassifizierung von Hustentönen bei COPD und Atemwegsinfektionen. Diese Methode nutzt neuronale Netze und Signalverarbeitung für nicht-invasive Diagnostik.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Roth, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pathogenesis+of+COPD.+Part+III.+Inflammation+in+COPD%5BTitle%5D)+AND+%22Int+J+Tuberc+Lung+Dis%22%5BJournal%5D)">Pathogenesis of COPD. Part III. Inflammation in COPD.</a> Int J Tuberc Lung Dis. 12 (4), 375-380 (2008).</li>
<li>Alsayari, A., Muhsinah, A. B., Almaghaslah, D., Annadurai, S., Wahab, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pharmacological+efficacy+of+ginseng+against+respiratory+tract+infections%5BTitle%5D)+AND+%22Molecules%22%5BJournal%5D)">Pharmacological efficacy of ginseng against respiratory tract infections.</a> Molecules. 26 (13), 4095(2021).</li>
<li>Iheanacho, I., Zhang, S., King, D., Rizzo, M., Ismaila, A. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Economic+burden+of+chronic+obstructive+pulmonary+disease+%28COPD%29%3A+A+systematic+literature+review%5BTitle%5D)+AND+%22Int+J+Chron+Obstruct+Pulmon+Dis%22%5BJournal%5D)">Economic burden of chronic obstructive pulmonary disease (COPD): A systematic literature review.</a> Int J Chron Obstruct Pulmon Dis. 15, 439-460 (2020).</li>
<li>Al Rajeh, A. M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+upper+respiratory+tract+infections+admissions+in+England+and+Wales%5BTitle%5D)+AND+%22Medicine+%28Baltimore%29%22%5BJournal%5D)">Acute upper respiratory tract infections admissions in England and Wales.</a> Medicine (Baltimore). 102 (21), e33616(2023).</li>
<li>Lieberman, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Pneumonic+vs+nonpneumonic+acute+exacerbations+of+COPD%5BTitle%5D)+AND+%22Chest%22%5BJournal%5D)">Pneumonic vs nonpneumonic acute exacerbations of COPD.</a> Chest. 122 (4), 1264-1270 (2002).</li>
<li>Hassan Naqvi, S. Z., Choudhry, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Embedded+system+design+for+classification+of+COPD+and+pneumonia+patients+by+lung+sound+analysis%5BTitle%5D)+AND+%22Biomed+Tech+%28Berl%29%22%5BJournal%5D)">Embedded system design for classification of COPD and pneumonia patients by lung sound analysis.</a> Biomed Tech (Berl). 67 (3), 201-218 (2022).</li>
<li>Rennard, S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Introducing+the+COPD+Foundation+Guide+for+Diagnosis+and+Management+of+COPD%2C+recommendations+of+the+COPD+Foundation%5BTitle%5D)+AND+%22COPD%22%5BJournal%5D)">Introducing the COPD Foundation Guide for Diagnosis and Management of COPD, recommendations of the COPD Foundation.</a> COPD. 10 (3), 378-389 (2013).</li>
<li>Spyratos, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((false+diagnosis+and+treatment+of+COPD+in+a+selected+population+in+Northern+Greece%5BTitle%5D)+AND+%22Eur+J+Gen+Pract%22%5BJournal%5D)">false diagnosis and treatment of COPD in a selected population in Northern Greece.</a> Eur J Gen Pract. 27 (1), 97-102 (2021).</li>
<li>Azleen, A., Wilkinson, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Early+COPD%3A+current+evidence+for+diagnosis+and+management%5BTitle%5D)+AND+%22Ther+Adv+Respir+Dis%22%5BJournal%5D)">Early COPD: current evidence for diagnosis and management.</a> Ther Adv Respir Dis. 14, 1753466620942128(2020).</li>
<li>Kostikas, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Clinical+impact+and+healthcare+resource+utilization+associated+with+early+versus+late+COPD+diagnosis+in+patients+from+UK+CPRD+database%5BTitle%5D)+AND+%22Int+J+Chron+Obstruct+Pulmon+Dis%22%5BJournal%5D)">Clinical impact and healthcare resource utilization associated with early versus late COPD diagnosis in patients from UK CPRD database.</a> Int J Chron Obstruct Pulmon Dis. 15, 1729-1738 (2020).</li>
<li>Cosio, B. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Defining+the+asthma-COPD+overlap+syndrome+in+a+COPD+cohort%5BTitle%5D)+AND+%22Chest%22%5BJournal%5D)">Defining the asthma-COPD overlap syndrome in a COPD cohort.</a> Chest. 149 (1), 45-52 (2016).</li>
<li>Kilic, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((GCLP%3A+An+automated+asthma+detection+model+based+on+global+chaotic+logistic+pattern+using+cough+sounds%5BTitle%5D)+AND+%22Eng+Appl+Artif+Intell%22%5BJournal%5D)">GCLP: An automated asthma detection model based on global chaotic logistic pattern using cough sounds.</a> Eng Appl Artif Intell. 127, 107184(2024).</li>
<li>Idrisoglu, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((COPDVD%3A+Automated+classification+of+chronic+obstructive+pulmonary+disease+on+a+new+collected+and+evaluated+voice+dataset%5BTitle%5D)+AND+%22Artif+Intell+Med%22%5BJournal%5D)">COPDVD: Automated classification of chronic obstructive pulmonary disease on a new collected and evaluated voice dataset.</a> Artif Intell Med. 156, 102953(2024).</li>
<li>Karaarslan, O., Ergen, O., Belcastro, K. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Respiratory+sound-base+disease+classification+and+characterization+with+deep%2Fmachine+learning+techniques%5BTitle%5D)+AND+%22Biomed+Signal+Process+Control%22%5BJournal%5D)">Respiratory sound-base disease classification and characterization with deep/machine learning techniques.</a> Biomed Signal Process Control. 87, 105570(2024).</li>
<li>Farrús, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Speech-based+support+system+to+supervise+chronic+obstructive+pulmonary+disease+patient+status%5BTitle%5D)+AND+%22Appl+Sci%22%5BJournal%5D)">Speech-based support system to supervise chronic obstructive pulmonary disease patient status.</a> Appl Sci. 11 (17), 7999(2021).</li>
<li>Akamatsu, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Segmentation+of+speech+utilizing+the+time-domain+properties+of+speech+signals%5BTitle%5D)+AND+%22J+Acoust+Soc+Am%22%5BJournal%5D)">Segmentation of speech utilizing the time-domain properties of speech signals.</a> J Acoust Soc Am. 64, S179(1978).</li>
<li>Joy, S., Upadhya, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Speech+analysis+in+time+and+frequency+domain%5BTitle%5D)+AND+%22Int+J+Eng+Res+Technol%22%5BJournal%5D)">Speech analysis in time and frequency domain.</a> Int J Eng Res Technol. 3 (1), 1-4 (2018).</li>
<li>Do, H. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploiting+signal+linear+trend+in+the+time+domain+to+enhance+speech+feature%5BTitle%5D)+AND+%22IEEE+Access%22%5BJournal%5D)">Exploiting signal linear trend in the time domain to enhance speech feature.</a> IEEE Access. 10, 117886-117899 (2022).</li>
<li>Schroeder, R. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((New+approach+to+time+domain+analysis+and+synthesis+of+speech%5BTitle%5D)+AND+%22J+Acoust+Soc+Am%22%5BJournal%5D)">New approach to time domain analysis and synthesis of speech.</a> J Acoust Soc Am. 31 (6), 852-853 (1959).</li>
<li>Garreth, P., Johnson, S. R., Green, G. G. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Extracting+amplitude+modulations+from+speech+in+the+time+domain%5BTitle%5D)+AND+%22Speech+Commun%22%5BJournal%5D)">Extracting amplitude modulations from speech in the time domain.</a> Speech Commun. 53 (6), 903-913 (2011).</li>
<li>Thomas, S., Ganapathy, S., Hermansky, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Recognition+of+reverberant+speech+using+frequency+domain+linear+prediction%5BTitle%5D)+AND+%22IEEE+Signal+Processing+Letters%22%5BJournal%5D)">Recognition of reverberant speech using frequency domain linear prediction.</a> IEEE Signal Processing Letters. 15, 681-684 (2008).</li>
<li>Malah, D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Efficient+implementation+of+a+frequency-domain+technique+for+frequency+scaling+of+speech+signals%5BTitle%5D)+AND+%22J+Acoust+Soc+Am%22%5BJournal%5D)">Efficient implementation of a frequency-domain technique for frequency scaling of speech signals.</a> J Acoust Soc Am. 68 (S1), (1980).</li>
<li>Képesi, M., Weruaga, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Adaptive+chirp-based+time-frequency+analysis+of+speech+signals%5BTitle%5D)+AND+%22Speech+Commun%22%5BJournal%5D)">Adaptive chirp-based time-frequency analysis of speech signals.</a> Speech Commun. 48 (5), 474-492 (2006).</li>
<li>Isangula, K. G., Haule, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leveraging+AI+and+machine+learning+to+develop+and+evaluate+a+contextualized+user-friendly+cough+audio+classifier+for+detecting+respiratory+diseases%3A+Protocol+for+a+diagnostic+study+in+rural+Tanzania%5BTitle%5D)+AND+%22JMIR+Res+Protoc%22%5BJournal%5D)">Leveraging AI and machine learning to develop and evaluate a contextualized user-friendly cough audio classifier for detecting respiratory diseases: Protocol for a diagnostic study in rural Tanzania.</a> JMIR Res Protoc. 13, e54388(2024).</li>
<li>Wang, Q., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Towards+reliable+respiratory+disease+diagnosis+based+on+cough+sounds+and+vision+transformers%5BTitle%5D)+AND+%22ArXiv%22%5BJournal%5D)">Towards reliable respiratory disease diagnosis based on cough sounds and vision transformers.</a> ArXiv. , (2024).</li>
<li>Can machine learning be used to recognize and diagnose coughs. Bales, C., et al. 2020 International Conference on e-Health and Bioengineering (EHB), , (2020).</li>
<li>Melek, N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Responding+to+challenge+call+of+machine+learning+model+development+in+diagnosing+respiratory+disease+sounds%5BTitle%5D)+AND+%22ArXiv%22%5BJournal%5D)">Responding to challenge call of machine learning model development in diagnosing respiratory disease sounds.</a> ArXiv. , (2021).</li>
</ol>

<table><tbody><tr><td>Digitaler Recorder</td><td>ZOOM</td><td>H6</td><td>ZOOM Audio Store</td></tr><tr><td>GitHub</td><td>Einguss</td><td>2.47.1.2</td><td>Offizielle Website</td></tr><tr><td>Matlab</td><td>MathWorks</td><td>R2024b</td><td>Offizielle Website</td></tr><tr><td>Pycharm</td><td>JetBrains</td><td>2024.1</td><td>Offizielle Website</td></tr><tr><td>Python</td><td>Python</td><td>3.12</td><td>Offizielle Website</td></tr></tbody></table>

auf maschinellem lernen basierende hustentonklassifikation: diagnostische erforschung chronisch obstruktiver lungenerkrankungen und atemwegsinfektionen

Machine Learning-Based Cough Tone Classification: Diagnostic Exploration of Chronic Obstructive Pulmonary Disease and Respiratory Tract Infections

Ergebnisse der Datenanalyse
Die Forschung isolierte erfolgreich über 400 Sprachmerkmalsindizes mit Methoden wie Zeitbereichsanalyse, Frequenzbereichsanalyse, Extraktion des Mel-Frequenz-Cepstralkoeffizienten (MFCC) und Veränderung von Merkmalsindikatoren gemäß der TCM-Diagnose. Die Analyse des Zeitbereichs ist ein entscheidendes Element in der Sprachsignalverarbeitung, wobei der Schwerpunkt auf der direkten Mani...

Auf maschinellem Lernen basierende Hustentonklassifikation: Diagnostische Erforschung chronisch obstruktiver Lungenerkrankungen und Atemwegsinfektionen

The objective of this study was to develop and evaluate a non-invasive method for distinguishing patients with chronic obstructive pulmonary disease ...

machine-learning-based-cough-tone-classification-diagnostic

Research

Forschung

JoVE Journal

Bioengineering

Biotechnik

In dieser Studie wurden Methoden der Sprachsignalanalyse und des maschinellen Lernens eingesetzt, wobei MATLAB verwendet wurde, um charakteristische Stimmmerkmale für die nicht-invasive Früherkennung von Asthma zu extrahieren. Die Algorithmen Support Vector Machine (SVM) und Random Forest (RF) zeigten eine vergleichbare Leistung in Bezug auf die Gesamtklassifizierungsgenauigkeit, obwohl SVM möglicherweise ein besseres Gleichgewicht zwischen Sensitivität und Spezifität erreicht.

Forschung zur Asthmaerkennung auf der Grundlage von Sprachsignalverarbeitung und maschinellem Lernen

Bioimaging Methoden zur Zelle Bioverteilung von Nanopartikeln zu beurteilen sind anwendbar für therapeutische und diagnostische Überwachung von nanoformulated Verbindungen. Die hierin beschriebenen Verfahren sind sensitiver und spezifischer als durch histologische Koregistrierung beurteilt. Die Methoden liefern eine translatorische Weg von Nagetieren auf Menschen-Anwendungen.

Registrierte Bioimaging von Nanomaterialien für Diagnostische und Therapeutische Überwachung

Wir zeigen die Montage und Anwendung eines molekularen Maßstab Gerät durch eine Topoisomerase Protein versorgt. Das Konstrukt ist ein bio-molekularen Sensor, der im Wesentlichen zwei Arten von DNA-Brüchen in Gewebeschnitten Etiketten durch Anbringen von zwei unterschiedlichen Fluorophoren an ihren Enden.

In-vitro-Assembly von Semi-künstliche molekulare Maschine und ihre Verwendung zum Nachweis von DNA-Schäden

Optical Frequency Domain Imaging der<em&gt; Ex vivo</em&gt; Pulmonary Resektionsproben: Beziehen One to One Image to Histopathologie Correlation

Hier beschreiben wir eine schnelle und einfache Methode, um Zellen Steifigkeit zu messen. Das allgemeine Prinzip dieser Methode besteht darin, Membranverformung in Reaktion auf wohldefinierte negativen Druck durch eine Mikropipette an die Zelloberfläche aufgebracht messen. Diese Methode bietet ein leistungsfähiges Werkzeug zur biomechanischen Eigenschaften von Substrat-anhaftenden Zellen zu studieren.

Mikropipette Aspiration von Substrat-attached Cells zu schätzen Zelle Stiffness

All-Solid-State-Ionen-selektiven Elektroden (Assises) aus einem leitfähigen Polymer (CP) Wandler konstruiert ist mehrere Monate von funktionellen Lebensdauer in flüssigen Medien. Hier beschreiben wir die Herstellung und Kalibrierung von Assises in einem Lab-on-a-Chip-Format. Die ASSISE nachgewiesen wird beibehalten eine nahezu Nernst Höhenprofil nach längerer Lagerung in komplexen biologischen Medien.

Multi-Analyt-Biochip (MAB) auf All-Solid-State-Ionen-selektiven Elektroden (ASSISE) für physiologische Forschung Grundlage

Wir haben vorgeschlagen, ein System, das preiswert, nicht-invasive Pseudo-akustisch-optische Sensoren verwendet, um automatisch und genau zu erfassen, zu zählen und zu klassifizieren fliegenden Insekten basierend auf ihren fliegenden Sound.

Fliegen-Insekt Erkennung und Klassifizierung mit preiswerten Sensoren

Eine neue Generation von zellfreien Transkription-Übersetzung Plattformen wurde entwickelt, um die biochemischen Systemen in Vitro durch die Ausführung des Gens Schaltungen aufbauen. In diesem Artikel beschreiben wir, wie aus ihrem Genom mit einem alle E. Coli zellfreie TXTL System Bakteriophagen MS2, ΦΧ174 und T7, synthetisiert werden.

Synthese von infektiösen Bakteriophagen in einem E. Coli -basierte zellfreie Expressionssystems

Dieses Manuskript beschreibt das Verfahren zu fabrizieren und zu charakterisieren Griffithsin veränderten Poly (Milchsäure-co-Glykol Säure) Electrospun Fasern, die starke Klebe- und antivirale Aktivität gegen humane Immundefizienz-Virus Typ 1-Infektion nachweisen in Vitro. Methoden zur Synthese, Fläche zu ändern, und die daraus resultierende Morphologie, Konjugation, prägen und Desorption des Griffithsin von oberflächenmodifizierten Fasern werden beschrieben.

Herstellung und Charakterisierung von Griffithsin-modifizierte Faser Gerüste für die Prävention von sexuell übertragbare Infektionen

Dieses Protokoll nutzte ein kommerziell erhältliches Druckmyographensystem, um Druckmyographentests an der murinen Vagina und dem Gebärmutterhals durchzuführen. Unter Verwendung von Medien mit und ohne Kalzium wurden die Beiträge der glatten Muskelzellen (SMC) Basalton und der passiven extrazellulären Matrix (ECM) für die Organe unter geschätzten physiologischen Bedingungen isoliert.

Biaxialer Basalton und passive Tests des Murine Reproduktionssystems mit einem Druckmyographen

Entdecken Sie maschinelles Lernen zur Klassifizierung von Hustentönen bei COPD und Atemwegsinfektionen. Diese Methode nutzt neuronale Netze und Signalverarbeitung für nicht-invasive Diagnostik.

Auf maschinellem Lernen basierende Hustentonklassifikation: Diagnostische Erforschung chronisch obstruktiver Lungenerkrankungen und Atemwegsinfektionen (Video) | JoVE Journal

Auf maschinellem Lernen basierende Hustentonklassifikation: Diagnostische Erforschung chronisch obstruktiver Lungenerkrankungen und Atemwegsinfektionen

Weitere Videos entdecken