Method Article

Makine Öğrenimi Tabanlı Öksürük Tonu Sınıflandırması: Kronik Obstrüktif Akciğer Hastalığı ve Solunum Yolu Enfeksiyonlarının Tanısal Araştırması

DOI:

10.3791/68222

⸱

September 19th, 2025

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Beijing University of Chinese Medicine, 2Institute of Information on Traditional Chinese Medicine, Chinese Academy of Traditional Chinese Medicine, 3Beijing University of Chinese Medicine Third Affiliated Hospital

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, konuşma sinyali işleme teknikleri ve makine öğrenimi algoritmalarının bir entegrasyonunu kullanarak, kronik obstrüktif akciğer hastalığı (KOAH) ve solunum yolu enfeksiyonları (RTI) teşhisi konan hastalardan öksürük sesi verileri elde ederek iki farklı kategorinin otomatik sınıflandırmasını etkili bir şekilde gerçekleştirdi.

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışmanın amacı, ses sinyali analizi ve makine öğrenimi kullanarak kronik obstrüktif akciğer hastalığı (KOAH) olan hastaları solunum yolu enfeksiyonu (RTI) olanlardan ayırt etmek için invazif olmayan bir yöntem geliştirmek ve değerlendirmekti. 25 KOAH hastasından ve 25 RTI hastasından (kontrol/karşılaştırma grubu olarak görev yapan) sabit model ses sinyalleri toplandı. İki grubu önemli ölçüde farklılaştıran özellikleri belirlemek için çok boyutlu ses özelliği analizi yapıldı. İstatistiksel olarak anlamlı özellikler seçildi ve boyut azaltımına tabi tutuldu. Lojistik Regresyon (LR) ve Rastgele Orman (RF) modelleri daha sonra eğitildi ve KOAH'ı RTI'den ayırt etmede sınıflandırma performansı açısından değerlendirildi. Başlangıçta 400'den fazla ses özelliği analiz edildi. On sekiz özellik, KOAH ve RTI hastaları arasında oldukça anlamlı farklılıklar gösterdi (P <; 0.05). KOAH hastalarını RTI hastalarından ayırma görevinde, LR modeli, RF modelinden önemli ölçüde daha iyi performans göstererek (AUC = 0.76) 0.95 AUC eğrisinin altında bir test seti alanı elde etti. Bu çalışma, KOAH'ı RTI'den ayırt etmek için umut verici bir non-invaziv araç olarak ses analizi ve makine öğreniminin, özellikle LR modelinin kullanılmasının fizibilitesini göstermektedir. Solunum rahatsızlıklarının ayırıcı tanısını gerektiren klinik ortamlarda bu ses tabanlı yaklaşımın pratik uygulaması ve daha fazla optimizasyonu için bir temel sağlar.

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Kronik obstrüktif akciğer hastalığı (KOAH) ve solunum yolu enfeksiyonları, küresel ölçekte mortalite ve morbiditeye önemli katkıda bulunmaktadır. KOAH, ağırlıklı olarak sigaranın neden olduğu, hava yollarını ve akciğer parankimini etkileyen kronik inflamatuar bir durum olarak tanımlanır. İnatçı öksürük, nefes darlığı ve balgam üretiminde artış gibi semptomlarla karakterizedir1. Dünya Sağlık Örgütü, 2030 yılına kadar KOAH'ın dünya çapında üçüncü önde gelen ölüm nedeni olacağını ve önemli bir ekonomik yük getireceğini tahmin ediyor 2,3. Buna karşılık, sol....

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Pekin Çin Tıbbı Üniversitesi Etik Kurulu ve Üçüncü Bağlı Hastanesi bu araştırma çalışmasını onayladı. Tüm katılımcılar katılım için yazılı bilgilendirilmiş onaylarını verdiler. Temmuz ve Ağustos 2024 arasında, Pekin Çin Tıbbı Üniversitesi Üçüncü Bağlı Hastanesi Solunum Tıbbı Bölümü'nden 25 KOAH hastasından oluşan bir kohort işe alındı. Eş zamanlı olarak, tipik üst RTI'li 25 hastadan oluşan bir kontrol grubu da toplandı.

1. Katılımcı seçimi

  1. Dahil edilme kriterleri
    1. Düşük arka plan gürültüsüne ve net artikülasyona sahip ses örneklerini seçin.
    2. KOAH grubu için KOAH tanısının akci....

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Veri analizi sonuçları

Araştırma, zaman alanı analizi, frekans alanı analizi, Mel-frekans Cepstral Katsayısının (MFCC) çıkarılması ve TCM tanısına göre özellik göstergelerinin değiştirilmesi gibi yöntemleri kullanarak 400'den fazla konuşma özelliği indeksini başarıyla izole etti. Zaman alanını analiz etmek, diğerlerinin yanı sıra enerji, sıfır üstü hız, doğrusal eğilimler ve zarflar, otokorelasyon çalışmaları ve.......

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, ses sinyali analizi ve makine öğrenimi teknikleri yoluyla KOAH'ı tespit etmek için invaziv olmayan yöntemleri araştırmaktadır. 25 KOAH hastasından ve 25 RTI hastasından ses verilerinin toplanmasını içeriyordu. Modeller LR ve RF algoritmaları kullanılarak oluşturulmuştur. Her iki model de numuneleri genel olarak doğru şekilde sınıflandırmada benzer doğruluk gösterdi, ancak AUC değerlerindeki fark, LR modelinin duyarlılık ve özgüllük arasında üstün bir denge sunabileceğini göst.......

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Yazarlar bu çalışmanın yayınlanmasıyla ilgili herhangi bir çıkar çatışması beyan etmemektedir. Bu araştırmanın sonuçlarını veya yorumunu etkileyebilecek herhangi bir ticari kuruluştan mali veya mali olmayan hiçbir destek alınmamıştır. Tasarım, veri toplama, analiz ve makale hazırlama dahil olmak üzere çalışmanın tüm yönleri herhangi bir dış etkiden bağımsız olarak yürütülmüştür.

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Bu çalışma, Çin Ulusal Doğa Bilimleri Vakfı Gençlik Bilim Fonu Projesi (Proje Onay Numarası: 82104739) ve Hebei Geleneksel Çin Tıbbı İl İdaresi Bilimsel Araştırma Programı (Proje Numarası: B2025032) tarafından desteklenmiştir. Yazarlar, deney sırasında yardım sağlayan tüm öğretmen ve öğrencilere teşekkür eder.

....

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Dijital KaydediciYAKINLAŞTIRMAKH6ZOOM Ses Mağazası
GitHubAptal2.47.1.2Resmi Web Sitesi
MatlabMathWorksR2024bResmi Web Sitesi
PycharmJetBrains2024.1Resmi Web Sitesi
PitonPiton3.12Resmi Web Sitesi

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Roth, M. Pathogenesis of COPD. Part III. Inflammation in COPD. Int J Tuberc Lung Dis. 12 (4), 375-380 (2008).
  2. Alsayari, A., Muhsinah, A. B., Almaghaslah, D., Annadurai, S., Wahab, S. Pharmacological efficacy of ginseng against respiratory tract infections. Molecules.

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Cough Tone ClassificationMachine Learning DiagnosticsVoice Signal AnalysisChronic Obstructive PulmonaryRespiratory Tract InfectionsLogistic Regression ModelRandom Forest ModelPrincipal Component AnalysisVoice Feature ExtractionNon Invasive Diagnosis

Related Articles