Name: Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório (Vídeo) | JoVE Journal
Uploaded: 2025-09-19T13:45:00.000+00:00
Duration: 6 min 22 s
Description: Aprenda classificação de tosse por aprendizado de máquina para diagnóstico de DPOC e infecções respiratórias usando análise acústica e redes neurais. Este método auxilia médicos na detecção precoce não invasiva.

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>Gravador Digital</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>Site Oficial</td></tr><tr><td>Matlab</td><td>MathWorks</td><td>R2024b</td><td>Site Oficial</td></tr><tr><td>Pycharm</td><td>JetBrains</td><td>2024.1</td><td>Site Oficial</td></tr><tr><td>Pitão</td><td>Pitão</td><td>3.12</td><td>Site Oficial</td></tr></tbody></table>

classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório

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

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 ...

Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório

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

Bioengenharia

Este estudo empregou métodos de análise de sinal de voz e aprendizado de máquina, utilizando o MATLAB para extrair características de voz distintas para detecção precoce não invasiva da asma. Os algoritmos Support Vector Machine (SVM) e Random Forest (RF) demonstraram desempenho comparável em termos de precisão geral de classificação, embora o SVM possa alcançar um melhor equilíbrio entre sensibilidade e especificidade.

Pesquisa de detecção de asma baseada em processamento de sinal de voz e aprendizado de máquina

Bioimaging métodos utilizados para avaliar biodistribuição das células de nanopartículas são aplicáveis ​​para monitorização terapêutica e de diagnóstico de compostos nanoformulated. Os métodos descritos neste documento são sensíveis e específicos, quando avaliada por coregistration histológica. As metodologias de fornecer um caminho de translação de roedores para aplicação em seres humanos.

BioImaging registradas de Nanomateriais para Monitoramento de Diagnóstico e Terapêutica

Nós demonstramos a montagem e aplicação de um dispositivo em escala molecular alimentado por uma proteína topoisomerase. A construção é um sensor de bio-molecular que rotula dois principais tipos de quebras de DNA em cortes de tecido, anexando dois fluoróforos diferentes para os seus fins.

Em Assembléia in vitro de Semi-artificial máquina molecular e sua utilização para detecção de danos no DNA

Imagem Domínio óptico Freqüência de<em&gt; Ex vivo</em&gt; Pulmonares espécimes de ressecção: Obtenção de One to One Imagem para Histopatologia Correlação

Aqui nós descrevemos um método rápido e simples para medir a rigidez da célula. O princípio geral da presente abordagem é a de medir a deformação da membrana em resposta ao bem definido de pressão negativa aplicada por meio de uma micropipeta para a superfície celular. Este método fornece uma ferramenta poderosa para estudar as propriedades biomecânicas do substrato anexados células.

Aspiração micropipeta de Células-substrato anexados para Estimar Rigidez celular

Eletrodos íon-seletivo All-solid-state (Jornadas) construídos a partir de um polímero (CP) transdutor condutor fornecer vários meses de vida funcional em meio líquido. Aqui, descrevemos o processo de Jornadas em um formato de lab-on-a-chip fabricação e calibração. O ASSISE é demonstrado ter mantido um perfil de encosta quase Nernstiana após armazenamento prolongado em meios biológicos complexos.

Multi-analito Biochip (MAB) Com base em eletrodos íon-seletivos All-solid-state (ASSISE) para a pesquisa fisiológica

Propusemos um sistema que utiliza sensores de pseudo-acústico de baixo custo, não invasivo ópticos para detectar automaticamente e com precisão, contar e classificar insetos voadores com base em seu som de vôo.

Vôo Detecção e Classificação Insect com sensores baratos

Uma nova geração de plataformas de transcrição-tradução livre de célula foi projetada para construir sistemas bioquímicos em vitro através da execução de circuitos de gene. Neste artigo, descrevemos como bacteriófagos, como MS2, ΦΧ174 e T7, são sintetizados a partir de seu genoma usando um Escherichia coli célula livre todos os sistema de TXTL.

Síntese de bacteriófagos infecciosa em uma e. coli-com base em sistema de expressão livre de célula

Este manuscrito descreve o procedimento para fabricar e caracterizar as fibras de electrospun de Griffithsin-modificado poli (ácido lático-co-glicólico) que demonstram potente atividade antiviral e adesiva contra infecção por vírus da imunodeficiência humana tipo 1 em vitro. Métodos utilizados para sintetizar, modificar a superfície e caracterizar a morfologia resultante, conjugação, e dessorção de Griffithsin superfície-modificado com fibras são descritos.

Fabricação e caracterização de andaimes de fibra Griffithsin-modificado para a prevenção de doenças sexualmente transmissíveis

Este protocolo utilizou um sistema de miografo de pressão disponível comercialmente para realizar testes miográficos de pressão na vagina e colo do útero murino. Utilizando meios com e sem cálcio, as contribuições do tom básico das pilhas de músculo liso (SMC) e da matriz extracelular passiva (ECM) foram isoladas para os órgãos circunstâncias physiological estimadas.

Tom basal biaxial e teste passivo do sistema reprodutivo murino usando um Miografo de pressão

Aprenda classificação de tosse por aprendizado de máquina para diagnóstico de DPOC e infecções respiratórias usando análise acústica e redes neurais. Este método auxilia médicos na detecção precoce não invasiva.

Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório (Vídeo) | JoVE Journal

Classificação do tom da tosse baseada em aprendizado de máquina: exploração diagnóstica da doença pulmonar obstrutiva crônica e infecções do trato respiratório

Explorar mais vídeos