基于咳嗽、呼吸和语音参数利用一维卷积神经网络与增强技术从人呼吸声自动诊断 COVID-19 疾病
声音
2021-12-15 v1 机器学习
音频与语音处理
定量方法
摘要
在过去一年中，呼吸声分类问题在诊断 COVID-19 疾病方面引起了临床科学家和医学研究人员的高度关注。迄今为止，各种人工智能（AI）模型已进入现实世界，从人产生的声音（如语音/言语、咳嗽和呼吸）中检测 COVID-19 疾病。卷积神经网络（CNN）模型已被用于解决基于人工智能（AI）的机器上大量现实问题。在此背景下，我们提出并实现了利用一维（1D）CNN 从人的呼吸声（如语音、咳嗽和呼吸）诊断 COVID-19 呼吸道疾病。我们应用了一种基于增强的机制来改善 COVID-19 声音数据集的预处理性能，并利用一维卷积网络实现 COVID-19 疾病的自动诊断。此外，采用 DDAE（数据去噪自编码器）技术生成深度声音特征作为一维 CNN 的输入函数，而非采用 MFCC（梅尔频率倒谱系数）的标准输入，其准确率和性能优于先前的模型。
引用
@article{arxiv.2112.07285,
title = {Automatic COVID-19 disease diagnosis using 1D convolutional neural network and augmentation with human respiratory sound based on parameters: cough, breath, and voice},
author = {Kranthi Kumar Lella and Alphonse Pja},
journal= {arXiv preprint arXiv:2112.07285},
year = {2021}
}