Name: 音声信号処理と機械学習に基づく喘息検出研究 (動画) | JoVE Journal
Uploaded: 2025-07-22T12:40:00.000+00:00
Duration: 4 min 4 s
Description: 学ぶ音声信号処理と機械学習を用いた喘息検出法。SVMとランダムフォレストを比較し、87%の分類精度と0.95のAUCを達成。非侵襲的診断の可能性を示す計算的研究です。

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>Huang, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((risk+factors%2C+and+management+of+asthma+in+China%3A+a+national+cross-sectional+study%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">risk factors, and management of asthma in China: a national cross-sectional study.</a> Lancet. 394 (10196), 407-418 (2019).</li>
<li>McCormack, M. C., Enright, P. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Making+the+diagnosis+of+asthma%5BTitle%5D)+AND+%22Respir+Care%22%5BJournal%5D)">Making the diagnosis of asthma.</a> Respir Care. 53 (5), discussion 590-2 583-590 (2008).</li>
<li>Backer, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+work-up+in+patients+with+possible+asthma+referred+to+a+university+hospital%5BTitle%5D)+AND+%22Eur+Clin+RespirJ%22%5BJournal%5D)">Diagnostic work-up in patients with possible asthma referred to a university hospital.</a> Eur Clin RespirJ. 2, (2015).</li>
<li>Fortuna, A. M., Feixas, T., González, M., Casan, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+utility+of+inflammatory+biomarkers+in+asthma%3A+exhaled+nitric+oxide+and+induced+sputum+eosinophil+count%5BTitle%5D)+AND+%22Respir+Med%22%5BJournal%5D)">Diagnostic utility of inflammatory biomarkers in asthma: exhaled nitric oxide and induced sputum eosinophil count.</a> Respir Med. 101 (11), 2416-2421 (2007).</li>
<li>Gibson, P. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+the+patient+with+asthma%3A+an+evidence-based+approach%5BTitle%5D)+AND+%22Allergy+Clin+Immunol%22%5BJournal%5D)">Monitoring the patient with asthma: an evidence-based approach.</a> Allergy Clin Immunol. 106 (1 Pt 1), 17-26 (2000).</li>
<li>Gibson, P. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Self-management+education+and+regular+practitioner+review+for+adults+with+asthma%5BTitle%5D)+AND+%22Cochrane+Database+Syst+Rev%22%5BJournal%5D)">Self-management education and regular practitioner review for adults with asthma.</a> Cochrane Database Syst Rev. (1), CD001117(2003).</li>
<li>Dogan, M., Eryuksel, E., Kocak, I., Celikel, T., Sehitoglu, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Subjective+and+objective+evaluation+of+voice+quality+in+patients+with+asthma%5BTitle%5D)+AND+%22J+Voice%22%5BJournal%5D)">Subjective and objective evaluation of voice quality in patients with asthma.</a> J Voice. 21 (2), 224-230 (2007).</li>
<li>Ihre, E., Zetterström, O., Ihre, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Voice+problems+as+side+effects+of+inhaled+corticosteroids+in+asthma+patients--a+prevalence+study%5BTitle%5D)+AND+%22J+Voice%22%5BJournal%5D)">Voice problems as side effects of inhaled corticosteroids in asthma patients--a prevalence study.</a> J Voice. 18 (3), 403-414 (2004).</li>
<li>Analysis of acoustic features for voice sound based classification of asthmatic and healthy subjects. Yadav, S., Keerthana, M., Gope, D., Uma, M. K., Ghosh, P. K. ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Barcelona, Spain, , 6789-6793 (2020).</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>Rogers, H. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Voice+as+a+biomarker+of+pediatric+health%3A+A+scoping+review%5BTitle%5D)+AND+%22Children+%28Basel%29%22%5BJournal%5D)">Voice as a biomarker of pediatric health: A scoping review.</a> Children (Basel). 11 (6), 684(2024).</li>
<li>MeLoDicA AI - machine learning based detection of asthma via vocal audio analysis. Looi, Z. Q., Ng, Z. H., Yak, R. X., Rosen, O., Kumar, A. 2024 IEEE Conference on Artificial Intelligence (CAI), , 905-910 (2024).</li>
<li>Barua, P. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+asthma+detection+in+a+1326-subject+cohort+using+a+one-dimensional+attractive-and-repulsive+center-symmetric+local+binary+pattern+technique+with+cough+sounds%5BTitle%5D)+AND+%22Neural+Comput+%26+Applic%22%5BJournal%5D)">Automated asthma detection in a 1326-subject cohort using a one-dimensional attractive-and-repulsive center-symmetric local binary pattern technique with cough sounds.</a> Neural Comput & Applic. 36, 16857-16871 (2024).</li>
<li>Iqbal, M. D. A., Krishnamoorthy, D., Musthak, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real+time+detection+and+forecasting+technique+for+asthma+disease+using+voice+signal+and+DENN+classifier%5BTitle%5D)+AND+%22Biomedical+Signal+Processing+and+Control%22%5BJournal%5D)">Real time detection and forecasting technique for asthma disease using voice signal and DENN classifier.</a> Biomedical Signal Processing and Control. 76, 103637(2022).</li>
<li>Wu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ubi-Asthma%3A+Toward+ubiquitous+asthma+detection+using+the+Smartwatch%5BTitle%5D)+AND+%22IEEE+Internet+of+Things+Journal%22%5BJournal%5D)">Ubi-Asthma: Toward ubiquitous asthma detection using the Smartwatch.</a> IEEE Internet of Things Journal. 10 (13), 11576-11587 (2023).</li>
<li>Schölkopf, B., Smola, A. J. Support vector machines. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSch%C3%B6lkopf%2C+B+%22Encyclopedia+of+Biostatistics%22">Encyclopedia of Biostatistics</a>. , 978-047197762 (1998).</li>
<li>Burges, C. J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+tutorial+on+support+vector+machines+for+pattern+recognition%5BTitle%5D)+AND+%22Data+Mining+and+Knowledge+Discovery%22%5BJournal%5D)">A tutorial on support vector machines for pattern recognition.</a> Data Mining and Knowledge Discovery. 2 (2), 121-167 (1998).</li>
<li>Liaw, A., Wiener, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+Forest%3A+Classification+and+Regression%5BTitle%5D)+AND+%22R+News%22%5BJournal%5D)">Random Forest: Classification and Regression.</a> R News. 2 (3), 18-22 (2002).</li>
<li>Cutler, D. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+forests+for+classification+in+ecology%5BTitle%5D)+AND+%22Ecology%22%5BJournal%5D)">Random forests for classification in ecology.</a> Ecology. 88 (11), 2783-2792 (2007).</li>
<li>Breiman, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+forests%5BTitle%5D)+AND+%22Machine+Learning%22%5BJournal%5D)">Random forests.</a> Machine Learning. 45 (1), 5-32 (2001).</li>
</ol>

<table><tbody><tr><td>Device</td><td>Supplier<</td><td>strong>Model/Version</td><td>Brand</td></tr><tr><td>Digital Recorder</td><td>ZOOM Audio Store</td><td>H6</td><td>ZOOM</td></tr><tr><td>GitHub</td><td>公式サイト</td><td>2.47.1.2</td><td>Git</td></tr><tr><td>Matlab</td><td>https://www.mathworks.com/</td> <td>R2024b</td><td>MathWorks</td></tr><tr><td>Pycharm</td><td>公式サイト</td><td>2024.1</td><td>JetBrains</td></tr><tr><td>Python</td><td>公式サイト</td><td>3.12</td><td>Python</td></tr></tbody></table>

音声信号処理と機械学習に基づく喘息検出研究

Asthma Detection Research Based on Voice Signal Processing and Machine Learning

音声特徴量インデックスデータベース構築完了
この研究では、音声信号のマルチレベル分析を通じて、467の音声特徴メトリックを抽出することに成功しました。467 音声機能インジケーターについては、上記の GitHub URL を参照してください。採用されている分析方法には、時間領域分析、周波数領域分析、MFCC抽出、および伝統的な漢方薬の診断基準に基づく特徴の変換が含まれます。具体的には、時間領域解析では信号の基本的な波形特性や振幅変動を反映し、周波数領域解析では信号の周波数組成を明らかにすることで、音声のスペクトル構造の理解に役立てることができます。MFCC抽出により、音声信号のスペクトル特性をさらに捕捉し、機械学習解析に適した形式に変換しました。さらに、この研究では、この研究の特定のニーズと分析目的により適合するように、伝統的な中国医学の診断基準に従って特定の特徴指標を変換しました。最終的に、音声特徴インデックスデータベースは 100 の音声サンプル (50 人の喘息患者と 50 人の健常対照者からのデータ) で構成され、そこから 100 x 46...

To analyze voice signals and identify asthma patients using voice signal analysis and machine learning techniques, we collected clear, low-noise ...

asthma-detection-research-based-on-voice-signal-processing-machine

Research

JoVE Journal

Bioengineering

バイオエンジニアリング（生体工学）

ここでは、呼吸筋電図(EMG)信号を記録し分析するためのプロトコルについて説明します。これには、EMG電極を複数の呼吸筋に配置し、EMG信号から心電図ノイズを除去し、EMGの二乗平均平方根(RMS)と活動の開始タイミングを取得するための解剖学的参照が含まれています。...

呼吸筋表面筋電図の取得と半自動解析

この研究は、音声信号処理技術と機械学習アルゴリズムの統合を利用して、慢性閉塞性肺疾患 (COPD) と診断された患者から咳音データを取得することにより、2...

機械学習に基づく咳の緊張分類: 慢性閉塞性肺疾患および気道感染症の診断調査

このプロトコルの目的は、ロジスティック回帰を用いて種および場所特異的信頼度スコアの閾値を決定し、自動音響認識ソフトウェアで処理された大規模な音響データセットの検出精度を向上させることです。...

大規模な音響データセットのロジスティック回帰による鳥類音響認識モデルの検出精度向上:ヨーロッパコマドリ(Erithacus rubecula)のケーススタディ

埋め込まれた細胞とその表面を含むモジュールと呼ばれる円筒状のコラーゲンゲルを、使用して、ミクロ組織の作成は、内皮細胞で被覆されている。...

コラーゲンゲル含有する細胞のモジュールを使用してマイクロ組織の作製

我々は、トポイソメラーゼのタンパク質を搭載した分子スケールデバイスのアセンブリとアプリケーションを示しています。構造は、その両端に二つの異なる蛍光色素を付加することにより組織切片におけるDNA切断の2つの主要なタイプを標識する生体分子センサーです。...

DNA損傷の検出のための半人工分子機械とその使用のin vitroでの組立に

導電性高分子（CP）トランスデューサから構築全固体型イオン選択電極（ASSISEs）液体培地における機能生涯の数ヶ月を提供します。ここでは、ラボオンチップ形式でASSISEsの製作と校正プロセスについて説明します。...

生理学的研究のための全固体型イオン選択性電極（ASSISE）に基づき、多検体バイオチップ（MAB）

二本鎖RNA干渉（dsRNAi）技術は、より低い植物リグニン含量にトウモロコシシンナモイル補酵素Aレダクターゼ（ZmCCR1）遺伝子をダウンレギュレートするために採用される。細胞壁からのリグニンのダウンレギュレーションは、顕微鏡分析によって可視化しクラソン法により定量される。ヘミセルロースおよび結晶セルロース中の組成変化を分析する。...

のリグニンダウンレギュレーション<em&gt;トウモロコシ</em&gt; dsRNAiとクラソンリグニン分析によって

血管新生は、正常組織工学におけるアプローチの鍵となります。したがって、信頼性の高い技術は、組織構築物における血管網の発達を評価するために必要とされる。ここでは、可視化し、 生体内で血管新生を定量化するためのシンプルで費用対効果の高い方法を提示する。...

生体材料の血管新生を評価するために、完全な皮膚欠損モデル<em&gt;インビボ</em

ウニの顎に基づくサンプリング装置について、バイオインスパイアードデザインのプロトコルが説明されています。バイオインスピレーションプロセスには、ウニの観察、マウスピースの特性評価、歯とその組み立ての3Dプリント、歯の構造のバイオ探索が含まれます。...

バイオインスパイアードデザインのためのプロトコル：グランドサンプラーウニジョーズに基づいて、

エレクトロスプレーイオン化(ESI)質量分析計と組み合わせた社内構築のフロースルートリプシンマイクロリアクターによるタンパク質分解の迅速なプロトコルが提示されます。マイクロリアクターの作製、実験装置、データ取得プロセスについて説明します。...

フロースルーマイクロリアクターとMS検出のためのタンパク質の高速酵素処理

学ぶ音声信号処理と機械学習を用いた喘息検出法。SVMとランダムフォレストを比較し、87%の分類精度と0.95のAUCを達成。非侵襲的診断の可能性を示す計算的研究です。

音声信号処理と機械学習に基づく喘息検出研究

さらに動画を探す