Name: Classificazione del tono della tosse basata sullapprendimento automatico: esplorazione diagnostica della broncopneumopatia cronica ostruttiva e delle infezioni del tratto respiratorio (Video) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: Esplora la classificazione del tono della tosse mediante apprendimento automatico per la diagnosi non invasiva di broncopneumopatia cronica ostruttiva e infezioni respiratorie. Questo metodo utilizza reti neurali convoluzionali e support vector machines per analizzare i segnali vocali.

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>Registratore digitale</td><td>ZOOM</td><td>H6</td><td>Negozio audio ZOOM</td></tr><tr><td>GitHub</td><td>Git</td><td>2.47.1.2</td><td>Sito ufficiale</td></tr><tr><td>Matlab</td><td>MathWorks</td><td>R2024b</td><td>Sito ufficiale</td></tr><tr><td>Pycharm</td><td>JetBrains</td><td>2024.1</td><td>Sito ufficiale</td></tr><tr><td>Pitone</td><td>Pitone</td><td>3.12</td><td>Sito ufficiale</td></tr></tbody></table>

classificazione del tono della tosse basata sull'apprendimento automatico: esplorazione diagnostica della broncopneumopatia cronica ostruttiva e delle infezioni del tratto respiratorio

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

Risultati dell'analisi dei dati
La ricerca ha isolato con successo oltre 400 indici di caratteristiche vocali utilizzando metodi come l'analisi nel dominio del tempo, l'analisi nel dominio della frequenza, l'estrazione del coefficiente cepstrale di frequenza Mel (MFCC) e l'alterazione degli indicatori di caratteristica in base alla diagnosi di MTC. L'analisi del dominio del tempo è un elemento cruciale nell'elab...

Classificazione del tono della tosse basata sull'apprendimento automatico: esplorazione diagnostica della broncopneumopatia cronica ostruttiva e delle infezioni del tratto respiratorio

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

Ricerca

JoVE Journal

Bioengineering

Bioingegneria

Questo studio ha utilizzato l'analisi del segnale vocale e metodi di apprendimento automatico, utilizzando MATLAB per estrarre caratteristiche vocali distintive per la diagnosi precoce non invasiva dell'asma. Gli algoritmi SVM (Support Vector Machine) e Random Forest (RF) hanno dimostrato prestazioni comparabili in termini di accuratezza complessiva della classificazione, sebbene SVM possa raggiungere un migliore equilibrio tra sensibilità e specificità.

Ricerca sul rilevamento dell'asma basata sull'elaborazione del segnale vocale e sull'apprendimento automatico

Bioimmagini metodi utilizzati per valutare biodistribuzione delle cellule di nanoparticelle sono applicabili per il monitoraggio terapeutico e diagnostico di composti nanoformulated. I metodi descritti nel presente documento sono sensibili e specifici, quando valutati da coregistrazione istologici. Le metodologie di fornire un percorso traslazionale da roditore a applicazioni sull'uomo.

Bioimmagini registrato di Nanomateriali per il monitoraggio diagnostico e terapeutico

Dimostriamo il montaggio e l'applicazione di una scala molecolare dispositivo alimentato da una proteina topoisomerasi. Il costrutto è un bio-sensore molecolare che le etichette due tipi principali di rotture del DNA nelle sezioni di tessuto allegando due fluorofori diversi per i loro fini.

In Assemblea in vitro di semi-artificiale della macchina molecolare e il suo utilizzo per il rilevamento del danno al DNA

Optical Frequency Domain Imaging di<em&gt; Ex vivo</em&gt; I campioni polmonari Resezione: Ottenere One to One immagine per Istopatologia Correlazione

Qui si descrive un metodo rapido e semplice per misurare la rigidità delle cellule. Il principio generale di questo approccio è di misurare la deformazione della membrana in risposta a ben definito pressione negativa applicata mediante una micropipetta alla superficie cellulare. Questo metodo fornisce un potente strumento per studiare le proprietà biomeccaniche del substrato-attached cellule.

Aspirazione Micropipetta di celle substrato-attached per Stima rigidità cellulare

Elettrodi ione-selettivi All-a stato solido (Assise) costruiti da un polimero conduttivo trasduttore (CP) forniscono diversi mesi di vita funzionale in mezzi liquidi. Qui, descriviamo il processo di fabbricazione e la taratura di Assise in un formato lab-on-a-chip. L'ASSISE è dimostrato di aver mantenuto un profilo pendio vicino-Nernst dopo stoccaggio prolungato in mezzi biologici complessi.

Multi-analita biochip (MAB) Sulla base di elettrodi ionoselettivi All-a stato solido (ASSISE) per la ricerca fisiologica

Abbiamo proposto un sistema che utilizza poco costoso, sensori non invasivi pseudo-acustico ottici per rilevare automaticamente e con precisione, contare e classificare insetti base al loro suono volare volare.

Volare Insetto rilevamento e classificazione con sensori Economico

Una nuova generazione di piattaforme senza cellula trascrizione-traduzione è stata progettata per costruire sistemi biochimici in vitro mediante l'esecuzione di circuiti di gene. In questo articolo, descriviamo come batteriofagi, quali MS2, ΦΧ174 e T7, sono sintetizzati dal loro genoma utilizzando un sistema di TXTL senza cellula e. coli .

Sintesi dei batteriofagi infettive in un e. coli -basato sistema di espressione senza cellula

Questo manoscritto descrive la procedura per fabbricare e caratterizzare fibre elettrofilate per volta Griffithsin poli (acido lattico-co-glicolico) che illustrano le attività di adesivo ed antivirale potente contro l'infezione di tipo 1 del virus dell'immunodeficienza umana in vitro. Metodi utilizzati per sintetizzare, superficie-modificare e caratterizzare la morfologia risultante, coniugazione, e desorbimento di Griffithsin dalle fibre modificate in superficie sono descritti.

Fabbricazione e caratterizzazione di fibra Griffithsin-modificato ponteggi per la prevenzione delle infezioni sessualmente trasmesse

Questo protocollo utilizzava un sistema miografo a pressione disponibile in commercio per eseguire test miografici di pressione sulla vagina murina e sulla cervice. Utilizzando i media con e senza calcio, i contributi del tono basale delle cellule muscolari lisce (SMC) e della matrice extracellulare passiva (ECM) sono stati isolati per gli organi in condizioni fisiologiche stimate.

Tono basale biassiale e test passivi del sistema riproduttivo Murine utilizzando un miografo a pressione

Esplora la classificazione del tono della tosse mediante apprendimento automatico per la diagnosi non invasiva di broncopneumopatia cronica ostruttiva e infezioni respiratorie. Questo metodo utilizza reti neurali convoluzionali e support vector machines per analizzare i segnali vocali.

Classificazione del tono della tosse basata sullapprendimento automatico: esplorazione diagnostica della broncopneumopatia cronica ostruttiva e delle infezioni del tratto respiratorio (Video) | JoVE Journal

Classificazione del tono della tosse basata sull'apprendimento automatico: esplorazione diagnostica della broncopneumopatia cronica ostruttiva e delle infezioni del tratto respiratorio

Esplora altri video