COVID-19 预测中咳嗽声学声音归一化方法的性能比较
音频与语音处理
2022-01-19 v1 声音
摘要
被称为新型冠状病毒（COVID19）的疾病是一种新发病毒性呼吸道疾病，于 2020 年 1 月 13 日首次出现在中国武汉。该疾病的一些症状为发热、咳嗽、呼吸短促和呼吸困难。在更严重的病例中，感染可能导致死亡。COVID19 在不久后演变为影响全球的大流行。抗击疫情的最重要问题是对 COVID19（+）患者的早期诊断和随访。因此，除 RT-PCR 检测外，在识别 COVID19（+）患者时也使用医学影像方法。在本研究中，使用 COVID19（+）患者最突出症状之一的咳嗽数据提出了一种替代方法。在这些数据上研究了 z-归一化和 min-max 归一化方法的性能。所有特征均使用离散小波变换方法获取。支持向量机（SVM）被用作分类算法。使用 min-max 归一化分别获得了 100% 和 100% 的最高准确率和 F1-score。另一方面，使用 z-归一化分别获得了 99.2% 的最高准确率和 99.0% 的最高 F1-score。根据结果，显然咳嗽声学数据将显著有助于控制 COVID19 病例。
引用
@article{arxiv.2201.06078,
title = {Comparison of COVID-19 Prediction Performances of Normalization Methods on Cough Acoustics Sounds},
author = {Yunus Emre Erdoğan and Ali Narin},
journal= {arXiv preprint arXiv:2201.06078},
year = {2022}
}
备注
8 pages,2 figures,1 table,International Conference of Applied Sciences and Mathematics(ICASEM 2021). arXiv admin note: text overlap with arXiv:2201.04872