Name: 기계 학습 기반 기침 톤 분류: 만성 폐쇄성 폐질환 및 호흡기 감염의 진단 탐색 (동영상) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: 탐색하세요 기계 학습 기반 기침 톤 분류를 통해 만성 폐쇄성 폐질환과 호흡기 감염을 비침습적으로 진단하는 방법을 배우세요. 이 연구는 음성 신호 분석과 머신러닝 알고리즘을 활용하여 질병 관련 패턴을 식별합니다.

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>디지털 레코더</td><td>급상승</td><td>H6</td><td>줌 오디오 스토어</td></tr><tr><td>깃허브</td><td>잇</td><td>2.47.1.2</td><td>공식 웹사이트</td></tr><tr><td>Matlab</td><td>수학 작품</td><td>R2024b</td><td>공식 웹사이트</td></tr><tr><td>파이참</td><td>제트브레인즈</td><td>2024.1</td><td>공식 웹사이트</td></tr><tr><td>파이썬</td><td>파이썬</td><td>3.12</td><td>공식 웹사이트</td></tr></tbody></table>

기계 학습 기반 기침 톤 분류: 만성 폐쇄성 폐질환 및 호흡기 감염의 진단 탐색

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

데이터 분석 결과
이 연구는 시간 영역 분석, 주파수 영역 분석, 멜 주파수 절충 계수(MFCC) 추출, TCM 진단에 따른 특징 지표 변경과 같은 방법을 사용하여 400개 이상의 음성 특징 지수를 성공적으로 분리했습니다. 시간 영역 분석은 음성 신호 처리에서 중요한 요소이며, 신호 시계열 데이터를 직접 조작하여 에너지, 오버제로 속도, 선형 추세 및 엔벨로프, 자기 상관 연구, 진폭 변조 등과 같은 신호 속성을 직관적으로 이해하는 데 중점을 둡니다 16,17,18,19,20<sup cl...

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

연구

JoVE Journal

Bioengineering

생명공학

이 연구에서는 음성 신호 분석 및 머신 러닝 방법을 사용하여 MATLAB을 활용하여 천식의 비침습적 조기 감지를 위한 고유한 음성 특징을 추출했습니다. SVM(Support Vector Machine) 및 RF(Random Forest) 알고리즘은 SVM이 민감도와 특이성 간에 더 나은 균형을 이룰 수 있지만 전반적인 분류 정확도 측면에서 유사한 성능을 보여주었습니다.

음성 신호 처리와 기계 학습을 기반으로 한 천식 감지 연구

nanoparticles의 세포 biodistribution을 평가하는 데 사용 Bioimaging 방법은 nanoformulated 화합물의 치료 및 진단 모니터링에 적용할 수 있습니다. histological coregistration에 의해 평가하면 여기에 설명된 방법은 민감하고 구체적인 수 있습니다. 방법은 설치류에서 인간의 응용 프로그램에 translational 경로를 제공합니다.

진단 및 치료 모니터링을위한 Nanomaterials 등록 Bioimaging

우리는 topoisomerase 단백질에 의해 구동되는 분자 규모의 장치의 조립 및 응용 프로그램을 보여줍니다. 구조는 끝이 두 가지 다른 fluorophores을 첨부하여 조직 섹션에서 DNA 나누기의 두 가지 주요 유형의 레이블 생체 분자 센서이다.

DNA 손상 감지를위한 세미 인공 분자 기계 및 이용 체외 조립에

의 광 주파수 도메인 영상<em&gt; 예 생체</em&gt; 폐 절제술의 표본 : 조직 병리학 간 상관 관계에 하나에 하나의 이미지를 얻기

여기 셀 강성을 측정 할 수있는 빠르고 간단한 방법을 설명합니다. 이 방법의 일반적인 원리는 세포 표면에 micropipette를 통해 적용 잘 정의 된 부정적인 압력에 대한 응답으로 막 변형을 측정하는 것입니다. 이 방법은 기판에 연결된 세포의 biomechanical 속성을 연구 할 수있는 강력한 도구를 제공합니다.

기판에 연결된 전지의 Micropipette의 열망은 셀 강성을 추정하기 위해

전도성 고분자 (CP) 트랜스 듀서에서 생성 모든 고체 이온 선택성 전극 (ASSISEs) 액체 매체의 기능적 수명이 몇 달을 제공합니다. 여기, 우리는 실험실 - 온 - 칩 형식 ASSISEs의 제조 및 교정 과정을 설명합니다. ASSISE 복잡한 생물학적 매체에서 장기간 보관 후 가까운 따른다 Nernstian 기울기 프로파일을 유지 한 것으로 설명된다.

생리 연구를위한 모든 고체 이온 선택성 전극 (ASSISE)를 기반으로 다중 분석 바이오칩 (MAB)

우리는 자동으로 그리고 정확하게 검출 카운트, 그리고 그들의 비행 사운드에 기초하여 곤충 비행 분류 저렴 비침 가상 음향 광학 센서를 사용하는 시스템을 제안 하였다.

저렴한 센서와 곤충 검출 및 분류 플라잉

셀 무료 녹음 방송 번역 플랫폼의 새로운 세대 생화학 시스템에 생체 외에서 유전자 회로 실행을 통해 구성 설계 되었습니다. 이 문서에서는, 우리는 모든 대장균 세포 무료 TXTL 시스템을 사용 하 여 그들의 게놈에서 살 균 소 MS2, ΦΧ174, T7, 등는 합성 하는 방법을 설명 합니다.

에는 대장균-감염 살 균 소의 합성 기반 셀 무료 식 시스템

이 원고 조작 하 고 인간 면역 결핍 바이러스 1 형 감염에 대 한 강력한 접착제 및 항 바이러스 활동을 보여 주는 Griffithsin 수정 폴 리 유산 공동 glycolic acid () electrospun 섬유를 특성화 하는 절차를 설명 합니다. 생체 외에서. 합성 하는 데 사용 하는 방법 표면 수정, 결과 형태, 활용, 특성 및 표면 수정 섬유에서 Griffithsin의 탈 착에 설명 되어 있습니다.

감염 성병 제조 및 방지를 위한 Griffithsin 수정 섬유 장비의 특성

이 프로토콜은 뮤린 질 및 자궁 경부에 대한 압력 근사진 테스트를 수행하기 위해 시판되는 압력 근경 시스템을 활용했습니다. 칼슘유무와 관계없이 매질, 평활근 세포(SMC) 기저톤 및 수동 세포외 매트릭스(ECM)의 기여도를 추정된 생리적 조건 하에서 장기용으로 분리하였다.

압력 근엽을 이용한 뮤린 생식 계통의 양축 기저톤 및 수동 테스트

탐색하세요 기계 학습 기반 기침 톤 분류를 통해 만성 폐쇄성 폐질환과 호흡기 감염을 비침습적으로 진단하는 방법을 배우세요. 이 연구는 음성 신호 분석과 머신러닝 알고리즘을 활용하여 질병 관련 패턴을 식별합니다.

기계 학습 기반 기침 톤 분류: 만성 폐쇄성 폐질환 및 호흡기 감염의 진단 탐색

더 많은 동영상 탐색