Name: Op machine learning gebaseerde classificatie van hoesttonen: diagnostische verkenning van chronische obstructieve longziekte en luchtweginfecties (Video) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: Verken machine learning-gebaseerde classificatie van hoestgeluiden voor niet-invasieve diagnose van COPD en luchtweginfecties. Deze methode helpt onderzoekers ziektegerelateerde patronen in akoestische signalen detecteren.

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>Digital Recorder</td><td>ZOOM</td><td>H6</td><td>ZOOM Audio Store</td></tr><tr><td>GitHub</td><td>Git</td><td>2.47.1.2</td><td>Officiële Website</td></tr><tr><td>Matlab</td><td>MathWorks</td><td>R2024b</td><td>Officiële Website</td></tr><tr><td>Pycharm</td><td>JetBrains</td><td>2024.1</td><td>Officiële Website</td></tr><tr><td>Python</td><td>Python</td><td>3.12</td><td>Officiële Website</td></tr></tbody></table>

op machine learning gebaseerde classificatie van hoesttonen: diagnostische verkenning van chronische obstructieve longziekte en luchtweginfecties

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

Op machine learning gebaseerde classificatie van hoesttonen: diagnostische verkenning van chronische obstructieve longziekte en luchtweginfecties

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

Bio-engineering

Deze studie maakte gebruik van spraaksignaalanalyse en machine learning-methoden, waarbij MATLAB werd gebruikt om onderscheidende spraakkenmerken te extraheren voor niet-invasieve vroege detectie van astma. De algoritmen Support Vector Machine (SVM) en Random Forest (RF) vertoonden vergelijkbare prestaties op het gebied van algehele classificatienauwkeurigheid, hoewel SVM een betere balans tussen gevoeligheid en specificiteit kan bereiken.

Onderzoek naar astmadetectie op basis van spraaksignaalverwerking en machine learning

BioImaging methoden die worden gebruikt om cellen biodistributie van nanodeeltjes te beoordelen zijn van toepassing voor therapeutische en diagnostische controle van nanoformulated verbindingen. De werkwijzen die hierin beschreven zijn gevoelig en specifiek wanneer beoordeeld door histologische coregistration. De methodieken voor een translationeel weg van knaagdier voor de menselijke toepassingen.

Geregistreerd BioImaging van nanomaterialen voor diagnostische en therapeutische monitoring

Tonen we de montage en de toepassing van een moleculaire schaal apparaat aangedreven door een topoisomerase eiwit. Het construct is een bio-moleculaire sensor die twee belangrijke soorten van DNA breuken in weefselcoupes labels door het aanbrengen van twee verschillende fluoroforen om hun doel.

In vitro Vergadering van Semi-kunstmatige moleculaire machine en het gebruik ervan voor de detectie van DNA-schade

Optische Frequency Domain Imaging van<em&gt; Ex vivo</em&gt; Pulmonale Resectie Specimens: Het verkrijgen van een op een afbeelding om histopathologie Correlatie

Hier beschrijven we een snelle en eenvoudige methode om cellen stijfheid te meten. Het algemene principe van deze benadering is membraan vervorming te meten in reactie op welbepaalde negatieve druk aangebracht door een micropipet op het celoppervlak. Deze methode biedt een krachtig hulpmiddel om biomechanische eigenschappen van substraat-aangehechte cellen te bestuderen.

Micropipet Aspiratie van substraat-attached Cellen to Cell Stijfheid Schatting

All-solid-state ion-selectieve elektroden (Assises) opgebouwd uit een geleidend polymeer (CP) transducer bieden een aantal maanden van de functionele levensduur in vloeibare media. Hier beschrijven we de fabricage en kalibratieproces van Assisen in een lab-on-a-chip-formaat. De ASSISE wordt gedemonstreerd van een buurt-Nernstian hellingsprofiel te hebben gehandhaafd na langdurige opslag in complexe biologische media.

Multianalytmethoden Biochip (MAB) op basis van All-solid-state Ion-selectieve elektroden (ASSISE) voor Fysiologisch Onderzoek

We stelden een systeem dat goedkope, niet-invasieve pseudo-akoestische optische sensoren gebruikt om automatisch en nauwkeurig te detecteren, te tellen en classificeren vliegende insecten op basis van hun vliegende geluid.

Vliegende Insect Detectie en classificatie met goedkope sensoren

Een nieuwe generatie van cel-vrije transcriptie-vertaling platforms is ontworpen voor de bouw van biochemische systemen in vitro middels het uitvoeren van gene circuits. In dit artikel beschrijven we hoe bacteriofagen, zoals MS2, ΦΧ174 en T7, worden gesynthetiseerd uit hun genoom met behulp van een alle E. coli cel-vrije TXTL systeem.

Synthese van besmettelijke bacteriofagen in een e-coli -gebaseerd systeem van cel-vrije expressie

Dit manuscript wordt de procedure beschreven om te fabriceren en karakteriseren van Griffithsin gemodificeerde poly (melkzuur-co-glycolic zuur) electrospun vezels waaruit krachtige lijm en antivirale activiteit tegen humaan immunodeficiëntie virus type 1 infectie in vitro. Methoden die worden gebruikt voor het synthetiseren, oppervlakte-wijzigen, en de resulterende morfologie, conjugatie, karakteriseren en desorptie van Griffithsin van oppervlak gemodificeerde vezels worden beschreven.

Fabricage en karakterisering van de vezel Griffithsin gemodificeerde steigers voor preventie van seksueel overdraagbare infecties

Dit protocol gebruikt een commercieel beschikbare druk myograph systeem te voeren druk myograph testen op de Murine vagina en cervix. Met behulp van media met en zonder calcium werden de bijdragen van de gladde spiercellen (SMC) basale Toon en passieve extracellulaire matrix (ECM) geïsoleerd voor de organen onder geschatte fysiologische omstandigheden.

Biaxiaal basgeluid en passieve testen van het Muriene voortplantingssysteem met behulp van een Myograph-druk

Verken machine learning-gebaseerde classificatie van hoestgeluiden voor niet-invasieve diagnose van COPD en luchtweginfecties. Deze methode helpt onderzoekers ziektegerelateerde patronen in akoestische signalen detecteren.

Op machine learning gebaseerde classificatie van hoesttonen: diagnostische verkenning van chronische obstructieve longziekte en luchtweginfecties (Video) | JoVE Journal

Op machine learning gebaseerde classificatie van hoesttonen: diagnostische verkenning van chronische obstructieve longziekte en luchtweginfecties

Meer video's verkennen