XGBoost Temelli Patolojik Ses Tanıma Araştırmaları

Özet

Burada, Saarbrücken veritabanı kullanılarak ses telleri poliplerini teşhis etmek için invaziv olmayan XGBoost tabanlı bir yapay zeka modeli oluşturmak için bir protokol sunuyoruz.

Özet

İnsan sosyal iletişiminin sürekli büyümesiyle, ses bozukluklarından muzdarip olan kişi sayısı da artmaktadır. Patolojik ses için akustik algılama yöntemlerinin nesnel ve invaziv olmayan avantajları nedeniyle, patolojik ses tanıma için konuşma sinyali analizinin kullanımı bir araştırma merkezi haline gelmiştir. Bu makale ilk olarak Almanca SVD veritabanından 101 sürekli ünlü /a/ seçilmiş ve araştırma nesnesi olarak seçilmiştir. İkinci olarak, zaman-frekans analizi için wavelet paket teknolojisi kullanılarak, yaklaşık entropi, örnek entropisi, bulanık entropisi ve permütasyon entropisi olmak üzere dört doğrusal olmayan dinamik parametre, patolojik ses sınıflandırıcısının özellik parametre seti olarak alt sinyallerden çıkarılır. Son olarak, patolojik bir ses sınıflandırıcı oluşturmak için desen tanıma yöntemi olarak makine öğrenimi algoritması XGBoost seçilir ve sınıflandırma performansı beş katlı çapraz doğrulama ve ROC eğrisi kullanılarak doğrulanır. Deneysel sonuçlar, XGBoost'un patolojik ses sınıflayıcısının doğruluğunun 0.857, F1 puanının 0.875 ve AUC değerinin 0.944 olduğunu göstermiştir; bunların hepsi SVM tarafından oluşturulan sınıflandırıcıdan daha yüksektir ve XGBoost'un patolojik ses tanıma konusunda daha iyi performans gösterdiğini gösterir.

Giriş

Ses bozukluklarından muzdarip olan kişi sayısı sürekli artmaktadır. İstatistiklere göre, nüfusun üçte biri hayatlarının bir noktasında ses sorunları^{yaşar 1}. Şarkıcılar ve öğretmenler gibi profesyonel ses kullanıcıları için, seslerini sık sık kötüye kullanmaları ve kötüye kullanımı nedeniyle boğaz hastalıkları görülmesi daha yüksektir. Tianjin ve Urumçi'deki öğretmenler üzerinde yapılan iki çalışma anket yaptı ve sonuçlar ses bozuklukları yaşama olasılığının sırasıyla %33,81 ve %28,23 olduğunu ^gösterdi. Sonuç olarak, klinik uygulamada patolojik sesin tespiti ve teşhisine artan bir önem verilmektedir. Şu anda, klinik uygulamada ses hastalıklarının tanısında esas olarak öznel değerlendirme yöntemleri, laringoskopi muayenesi ve akustik tespit^{yöntemleri kullanılmaktadır 4,5}. Akustik algılama yöntemi, ses sinyallerini araştırma için dijital sinyallere dönüştürerek nesnelliği sağlar ve muayene sırasında hasta ağrısını^önler. Bu nedenle, akustik tespit klinik tanıda doktorlar için etkili bir yardımcı araç haline gelmiş ve bu konuda araştırmalar artmaktadır.

Akustik analiz yöntemleriyle patolojik sesin teşhisi için en önemli teknikler, özellik çıkarma ve desen tanımadır. 1960'lardan bu yana araştırmacılar, patolojik sesin incelenmesi için bazı geleneksel akustik parametreler çıkarmakta ve temel frekans bozulması, genlik bozulması ve Mel-frekans cepstral katsayıları (MFCC) gibi birçok etkili ve sağlam akustik özellik parametresi ^{bulmuşlardır.} Son yıllarda, araştırmacılar sadece geleneksel akustik karakteristik parametreleri incelemekle sınırlı kalmıyor, aynı zamanda doğrusal olmayan dinamik parametreler patolojik ses tanıma alanında da kullanılmaya^{başlanmıştır 8}. Ayrıca çok iyi bir etkisi var. Makine öğreniminin hızlı gelişimiyle birlikte, hızlı çalışma hızına ve iyi sınıflandırma performansına sahip daha fazla desen tanıma yöntemi ortaya çıkmıştır. Ayrıca, patolojik ses tanıma alanında destek vektör makineleri (SVM), rastgele orman, sinir ağları, derin öğrenme ^9,10 gibi patolojik ses tanıma yöntemleri de giderek daha fazla kullanılmaktadır. XGBoost, son yıllarda ilgi gören bir desen tanıma^{yöntemidir 11}. Özellik normalizasyonu gerektirmez ve özellikleri kendi başına seçebilir. Çeşitli kayıp fonksiyonlarına uyum sağlayabilir ve aşırı uyumu önlemek için düzenleme terimleri kullanır. Hızlı hız, taşınabilirlik ve hata toleransı özelliklerine sahiptir. Bu nedenle, bu makale daha iyi tanıma sonuçları elde etmek için XGBoost yöntemini patolojik ses tanımaya uygulamayı amaçlamaktadır.

Protokol

Bu çalışmanın teknik iş akışı Şekil 1'de gösterilmiştir.

1. Ses örneklerinin edinilmesi

1. Deneysel verileri Almanya'daki SVD'den^{alın 12}.
2. 101 ünlü /a/ ses verisi alın; bunların 45'i (19 erkek ve 26 kadın) ses polip hastası ve 56 vakası (28 erkek ve 28 kadın) normal bireyler var.

2. Ses verisinin dalga paketi^{ayrıştırması 13}

1. MATLAB R2023a yazılımı kullanarak üç Daubechies dalgacısı (db1, 3, 5) ve üç ayrıştırma derinliği (4, 6, 8 seviye) üzerinde kapsamlı bir arama yapın.
2. Konuşma sinyalini 16 alt banda (her biri 500 Hz çözünürlük) bölmek için 16 kHz örnekleme hızı, dört seviyeli db3 dalgalet paket ayrıştırması (WPD) kullanın (Şekil 2).

3. Özellik parametre çıkarımı

1. Python 3.10 ile 4 seviyeli WPD ile elde edilen 16 alt banttan ayrık katsayılı diziler çıkarın; bu diziler aşağıda açıklanan tüm entropi denklemleri için giriş değerleri olarak hizmet eder.
   NOT: Bu çalışmada kullanılan tüm denklemler daha önce yayımlanmış algoritmalardan (references'te olduğu gibi) türetilmiş ve bağımsız olarak türetilmemiştir.
2. 16 WPD alt bant dizisi için yaklaşık^{entropiyi aşağıdaki 14} formülle hesaplayın:
   (1)
   (2)
   Cim (r)={d[X(i), X(j)]Parametreler: Pattern boyutu m 2 olarak seçilir ve benzerlik toleransı r standart^{sapma 14'ün} 0,1 ile 0,25 katı olarak seçilir.
3. 16 WPD alt bant dizisi için örnek entropisini^{aşağıdaki 15} formülle hesaplayın:
   (4)
   (5)
   B_i^m (r) = {d[X(i), X(j)]Parametreler: Pattern boyutu m 1 veya 2 olarak seçilir ve benzerlik toleransı r standart^{sapma 15'in} 0.1 ile 0.25 çarpı olarak seçilir.
4. Bulanık üyelik fonksiyonunu aşağıdaki¹⁶ altındaki formülle hesaplayın:
   (7)
5. Bulanık entropiyi^17'nin altındaki formülle hesaplayın:
   (8)
   (9)
   (10)
   Parametreler: Pattern boyutu m 2 olarak seçilir ve benzerlik toleransı r standart sapmanın 0,15 katı olarak seçilir.
6. Permütasyon entropisini^18'in altındaki formülle hesaplayın:
   (11)
   Parametreler: Pattern boyutu m 6 olarak seçilir ve permütasyon entropisi çıkarımı için zaman gecikmesi L = 2 nihayetinde belirlenmiştir.

4. Model kurulum

1. Normal ve ses teli polipli hastalardan alınan ses örneklerini bir eğitim veri seti ve 8:2 oranında bir test veri setine ayırın.
2. Parametre ayarı ve model eğitimi için eğitim veri setini kullanın ve ardından ortaya çıkan sınıflandırıcıyı hastalık sınıflandırması için test veri setine uygulayın.
3. SVM modelleme prosedürünü Python 3.10 ile gerçekleştirin.
   1. SVM çekirdek performanslarını karşılaştırarak verinin doğrusal olmayan yapısını doğrulayın. Doğrusal çekirdekle yapılan ilk testler düşük doğruluk verirken, radyal baz fonksiyonu (RBF) çekirdeği sınıflandırma sonuçlarını önemli ölçüde iyileştirerek özellik alanının doğrusal olmayan bir karar sınırı gerektirdiğini göstermiştir.
   2. SVM sınıflandırıcısı için 16 boyutlu entropi özellik vektörlerini (WPD ile çıkarılan) giriş olarak kullanın. Doğrusal olmayan ses özelliklerini yüksek boyutlu bir uzaya eşlemek için bir RBF çekirdeği uygulayın.
   3. Python (scikit-learn) kullanarak eğitim aşamasında ceza katsayısı C ile çekirdek genişliğinin γ optimal kombinasyonunu belirlemek için ızgara araması yapın. Her parametre setini, çapraz doğrulama tanıma oranını maksimize ederek değerlendirin.
   4. SVM modelini, normal bireylerden ve ses teli polipleri olan hastalardan alınan ses örnekleriyle eğitin. Şebeke aramasından elde edilen optimal hiperparametreleri kullanarak nihai eğitilmiş modeli oluşturun.
   5. Eğitilmiş modeli görünmeyen test örneklerine uygulayın. Her test örneği, eğitim verisiyle aynı WPD ve entropi çıkarma prosedüründen geçer. SVM, test özellik vektörünün optimize edilmiş karar sınırına göre mekansal konumuna dayanarak ikili sınıf etiketini (normal ve ses telleri polipleri) tahmin eder.
4. Python 3.10 kullanarak XGBoost modelleme prosedürünü gerçekleştirin.
   1. Eğitim aşamasında temel hiperparametreleri (öğrenme hızı ve ağaç derinliği dahil) optimize etmek için Python tabanlı bir ızgara araması kullanın. Sınıflandırma doğruluğunu en üst düzeye çıkaran yapılandırmayı belirlemek için çapraz doğrulama yoluyla birden fazla parametre kombinasyonunu değerlendirin.
   2. Ses örneklerinden çıkarılan on altı entropi özelliğini kullanarak ikili bir XGBoost sınıflandırıcısını eğitin. Şebeke aramasından elde edilen optimal hiperparametreleri kullanarak nihai modeli oluşturun.
   3. Eğitilen modeli, görünmez örneklerden oluşan bağımsız bir doğrulama seti üzerinde test edin. Bu adım, sınıflandırıcının genelleştirme yeteneğini, eğitim sırasında kullanılmayan veriler üzerindeki performansını değerlendirerek değerlendirir.

5. Model performansının değerlendirilmesi

1. Beş aşamalı çapraz doğrulama yöntemi uygulayın.
   1. Ön işlenmiş ses veri setini rastgele beş eşit kata ayırın. Modeli oluşturmak için eğitim seti olarak dört katı kullanın ve kalan bir katı performans değerlendirmesi için doğrulama seti olarak kullanın.
   2. Bu işlemi beş kez tekrarlayın. Beş yinelemenin sonuçlarının ortalamasını nihai model performansı olarak kullanın.
2. Kafa karışıklığı matrisini elde edin.
   1. Sınıflandırıcının tahmin edilen etiketlerini, beş kat çapraz doğrulama sonuçlarına göre tüm test örnekleri için temel doğruluk etiketleriyle karşılaştırarak karışıklık matrisi oluşturun. Bu bireysel karşılaştırmaları, doğru ve yanlış sınıflandırmaları nicelendirmek için Python scikit-learn kütüphanesini kullanarak bir acil durum tablosuna toplayın; Tablo 1'de gösterildiği gibi.
3. Bir sınıflandırma modelinin etkinliğini tanımlamak için doğruluk, hassasiyet, hassasiyet ve F1 puanını hesaplayın. İlgili hesaplama formülleri şunlardır.
   Doğruluk = (TP + TN)/(TP + TN + FP + FN)
   Hassasiyet = TP/(TP + FP)
   Hassasiyet = Geri Çağırma = TPR = TP/(TP+ FN)
   F1 = (2 × Hassasiyet × Geri Çağırma)/ (Hassasiyet + Geri Çağırma)
   NOT: Bu metrikler (TP, TN, FP, FN) karışıklık matrisinin elemanlarından türetilmiştir.
4. ROC eğrisini AUC ile tanımlayın.
   1. Tüm sınıflandırma eşiklerinde gerçek pozitif oran (TPR) ile yanlış pozitif oranı (FPR) arasındaki uzlaşmayı görselleştirmek için ROC eğrisini çizin. Modelin genel ayırt etme yeteneğini niceltmek için özet bir metrik olarak Eğri Altındaki Alanı (AUC) hesaplayın.
      NOT: AUC değeri, 1'e daha yakın olan bir AUC değeri, sınıflandırıcının normal bireyler ile ses teli polipleri olanlar arasında, belirli karar eşiğinden bağımsız olarak doğru ayırt etme olasılığının daha yüksek olduğunu gösterir.

Sonuçlar

Bu çalışmada, ses sinyallerinin zaman-frekans ayrıştırmasını gerçekleştirmek için wavelet paket analizi kullanılmıştır. Doğrusal olmayan dinamik parametreler—yaklaşık entropi, örnek entropisi, bulanık entropi ve permütasyon entropisi dahil olmak üzere—ses teli polipleriyle ilişkili patolojik seslerin karmaşıklık ve düzensizlik özellikleri sistematik olarak karakterize edildi. Daha sonra, destek vektör makinesi (SVM) algoritması ve XGBoost algoritmasına dayalı olarak iki patolojik ses sın...

Tartışma

Konuşma sinyali analiziyle patolojik ses teşhisi, invaziv olmayan ve objektif bir^{yaklaşımı temsil eder 19}. Sonuç olarak, patolojik ses sınıflandırması, konuşma sinyal işleme ve tanıma alanında önemli bir araştırma odak noktası olarak ortaya çıkmış ve önemli klinik uygulama değeri ile gelişimsel perspektifler^{göstermiştir 20}. Bu çalışma, SVD'den toplanan konuşma örneklerini deneysel korpora olarak kullanmıştır. Konuşma sinyal işleme ve makine...

Malzemeler

Bu makalede kullanılan malzemelerin listesi

Ad	Şirket	Katalog numarası	Yorumlar
MATLAB	The MathWorks	R2023a	Sayısal hesaplama ve algoritma prototipleme için birincil yazılım platformu.
Python yazılımı	Python Yazılım Vakfı	Python 3.10	Çalışma boyunca kullanılan temel programlama dili.
Saarbruecken Ses Veritabanı, SVD	Saarland Üniversitesi Fonetik Enstitüsü	Saarbrü cken Voice Database (SVD)	Patolojik ve normal ses kayıtlarının kamuya açık veri tabanı. Ses teli polipleri gibi hastalıkları olan kişilerden gelen sürekli ünlüler ve sürekli konuşma ile sağlıklı kontroller içerir. Belirlenen erişim şartları kapsamında akademik araştırmalar için kullanılır.