Name: 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 (動画) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: 学ぶ機械学習を用いた咳音の緊張分類手法。COPDと気道感染症の非侵襲的早期診断に向け、畳み込みニューラルネットワークやサポートベクターマシン、MFCCなどの音声信号処理技術を活用し、疾患関連パターンを検出する計算的手法を解説する。

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>デジタルレコーダー</td><td>ズーム</td><td>H6</td><td>ZOOMオーディオストア</td></tr><tr><td>GitHub</td><td>ギット</td><td>2.47.1.2</td><td>公式ウェブサイト</td></tr><tr><td>Matlab</td><td>マスワークス</td><td>R2024b</td><td>公式ウェブサイト</td></tr><tr><td>パイチャーム</td><td>ジェットブレインズ</td><td>2024.1</td><td>公式ウェブサイト</td></tr><tr><td>ニシキヘビ</td><td>ニシキヘビ</td><td>3.12</td><td>公式ウェブサイト</td></tr></tbody></table>

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

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

データ分析結果
この研究では、時間領域分析、周波数領域分析、メル周波数頭蓋係数 (MFCC) の抽出、TCM 診断による特徴指標の変更などの方法を使用して、400 を超える音声特徴指標の分離に成功しました。時間領域の分析は音声信号処理において重要な要素であり、信号時系列データを直接操作して、エネルギー、オーバーゼロレート、線形傾向とエンベロープ、自己相関研究、振幅変調などの信号特性を直感的に理解することに焦点を当てています 16,17,18,19,20.周波数領域解析は、フーリエ変換を介して時間領...

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

JoVE Journal

Bioengineering

バイオエンジニアリング（生体工学）

この研究では、音声信号解析と機械学習の手法を採用し、MATLAB...

音声信号処理と機械学習に基づく喘息検出研究

ナノ粒子の細胞の生体内分布を評価するために使用されるバイオイメージングの方法はnanoformulated化合物の治療と診断監視に適用できます。本明細書に記載の方法は、組織学的coregistrationで評価した場合、感度と特異性です。方法論は、げっ歯類から人間のアプリケーションへの翻訳経路を提供しています。...

診断と治療モニタリングのためのナノ材料の登録バイオイメージング

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

の光周波数領域イメージング<em&gt;エクスビボ</em&gt;肺切除標本：組織病理相関へのOne to Oneイメージの入手

ここでは、セルの剛性を測定するために迅速かつ簡単な方法を説明します。このアプローチの一般的な原則は、細胞表面にマイクロピペットを介して適用、明確に定義された負圧に応答して膜の変形を測定することです。この方法は、基板に接続された細胞の生体力学的特性を研究するための強力なツールを提供します。...

セルの剛性を推定するために基板に接続された細胞のマイクロピペット吸引

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）

安価で非侵襲的な擬似音響光学センサーを用いて、飛んでいる昆虫を飛んでいる音から自動的かつ正確に検出し、カウントし、分類するシステムを提案しました。...

安価なセンサで昆虫の検出と分類をフライング

無細胞転写・翻訳プラットフォームの新世代は、生化学システムの in vitro遺伝子回路の実行を構築するために設計されています。この記事で私たちはすべて大腸菌無細胞 TXTL システムを使用して彼らのゲノムからのバクテリオファージ MS2、ΦΧ174、T7...

大腸菌の伝染性のバクテリオファージの合成による無細胞発現系

この原稿を作製し、ひと免疫不全ウイルス 1 型感染に対して強力な接着剤や抗ウイルス活性を示す Griffithsin 変更ポリ (乳酸グリコール酸) 電極として繊維を特徴付けるプロシージャを記述します。生体外で。合成に使用するメソッド表面変更、共役, 結果として得られる形態の特徴し、繊維の表面改質から Griffithsin...

作製と評価 Griffithsin 変更繊維足場の防止のため性的感染

このプロトコルは、市販の圧力ミオグラフシステムを利用して、マウス膣および子宮頸部の圧力筋グラフ試験を行った。カルシウムの有無にかかわらず培地を利用して、平滑筋細胞(SMC)基底色および受動細胞外マトリックス(ECM)の寄与は、推定生理学的条件下で臓器に対して単離された。...

圧力筋グラフを用したマウス生殖系の二軸基底音と受動的試験

学ぶ機械学習を用いた咳音の緊張分類手法。COPDと気道感染症の非侵襲的早期診断に向け、畳み込みニューラルネットワークやサポートベクターマシン、MFCCなどの音声信号処理技術を活用し、疾患関連パターンを検出する計算的手法を解説する。

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

さらに動画を探す