Este estudo realizou efetivamente a classificação automatizada de duas categorias distintas, adquirindo dados sonoros de tosse de pacientes diagnosticados com doença pulmonar obstrutiva crônica (DPOC) e infecções do trato respiratório (ITR), utilizando uma integração de técnicas de processamento de sinais de fala e algoritmos de aprendizado de máquina.
É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de método
Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório
* These authors contributed equally
Neste artigo
Resumo
Resumo
O objetivo deste estudo foi desenvolver e avaliar um método não invasivo para distinguir pacientes com doença pulmonar obstrutiva crônica (DPOC) daqueles com infecções do trato respiratório (ITR) usando análise de sinal de voz e aprendizado de máquina. Sinais de voz de padrão fixo foram coletados de 25 pacientes com DPOC e 25 pacientes com ITR (servindo como grupo controle/comparação). A análise multidimensional de características de voz foi realizada para identificar características que diferenciam significativamente os dois grupos. Características estatisticamente significativas foram selecionadas e submetidas à redução de dimensionalidade. Os modelos de Regressão Logística (LR) e Random Forest (RF) foram então treinados e avaliados quanto ao desempenho de classificação na distinção entre DPOC e ITR. Mais de 400 recursos de voz foram inicialmente analisados. Dezoito características mostraram diferenças altamente significativas entre pacientes com DPOC e ITR (P <; 0,05). Na tarefa de distinguir pacientes com DPOC de pacientes com RTI, o modelo LR alcançou uma área de conjunto de teste sob a curva AUC de 0,95, superando significativamente o modelo de RF (AUC = 0,76). Este estudo demonstra a viabilidade do uso da análise de voz e do aprendizado de máquina, particularmente o modelo LR, como uma ferramenta não invasiva promissora para diferenciar a DPOC da ITR. Ele fornece uma base para a aplicação prática e otimização adicional dessa abordagem baseada em voz em ambientes clínicos que requerem diagnóstico diferencial de condições respiratórias.
Introdução
A doença pulmonar obstrutiva crônica (DPOC) e as infecções do trato respiratório representam contribuintes significativos para a mortalidade e morbidade em escala global. A DPOC é definida como uma condição inflamatória crônica que afeta as vias aéreas e o parênquima pulmonar, predominantemente induzida pelo tabagismo. É caracterizada por sintomas como tosse persistente, dispneia e aumento da produção de escarro1. A Organização Mundial da Saúde projeta que, até 2030, a DPOC será a terceira principal causa de morte em todo o mundo, impondo um ônus econômico substancial 2,3
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Protocolo
O Comitê de Ética da Universidade de Medicina Chinesa de Pequim e seu Terceiro Hospital Afiliado aprovaram este estudo de pesquisa. Todos os participantes forneceram seu consentimento informado por escrito para participar. Entre julho e agosto de 2024, uma coorte de 25 pacientes com DPOC foi recrutada no Departamento de Medicina Respiratória do Terceiro Hospital Afiliado da Universidade de Medicina Chinesa de Pequim. Simultaneamente, um grupo controle composto por 25 pacientes com ITR superior típica também foi montado.
1. Seleção dos participantes
- Critérios de inclusão
- Selecione as am....
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Resultados
Resultados da análise dos dados
A pesquisa isolou com sucesso mais de 400 índices de características de fala usando métodos como análise no domínio do tempo, análise no domínio da frequência, extração do Coeficiente Cepstral de frequência Mel (MFCC) e alteração dos indicadores de características de acordo com o diagnóstico da MTC. A análise do domínio do tempo é um elemento crucial no processamento de sinais de .......
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Discussão
Este estudo investiga métodos não invasivos para detectar DPOC por meio de análise de sinais de voz e técnicas de aprendizado de máquina. Envolveu a coleta de dados de voz de 25 pacientes com DPOC e 25 pacientes com ITR. Os modelos foram construídos usando algoritmos LR e RF. Ambos os modelos mostraram precisão semelhante na classificação correta das amostras em geral, mas a diferença nos valores da AUC indica que o modelo LR pode oferecer um equilíbrio superior entre sensibilidade e esp.......
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Divulgações
Os autores declaram não haver conflitos de interesse em relação à publicação deste estudo. Não foi recebido apoio financeiro ou não financeiro de qualquer organização comercial que pudesse ter influenciado os resultados ou a interpretação desta pesquisa. Todos os aspectos do estudo, incluindo desenho, coleta de dados, análise e preparação do manuscrito, foram conduzidos independentemente de qualquer influência externa.
Agradecimentos
Este estudo foi apoiado pelo Projeto do Fundo de Ciências da Juventude da Fundação Nacional de Ciências Naturais da China (Número de Aprovação do Projeto: 82104739) e pelo Programa de Pesquisa Científica da Administração Provincial de Medicina Tradicional Chinesa de Hebei (Número do Projeto: B2025032). Os autores gostariam de agradecer a todos os professores e alunos que prestaram assistência durante o experimento.
....Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Materiais
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| Gravador Digital | ZOOM | H6 | ZOOM Audio Store |
| GitHub | Git | 2.47.1.2 | Site Oficial |
| Matlab | MathWorks | R2024b | Site Oficial |
| Pycharm | JetBrains | 2024.1 | Site Oficial |
| Pitão | Pitão | 3.12 | Site Oficial |
Referências
- Roth, M. Pathogenesis of COPD. Part III. Inflammation in COPD. Int J Tuberc Lung Dis. 12 (4), 375-380 (2008).
- Alsayari, A., Muhsinah, A. B., Almaghaslah, D., Annadurai, S., Wahab, S. Pharmacological efficacy of ginseng against respiratory tract infections. Molecules.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Reimpressões e permissões
