COVID-19 检测系统：基于咳嗽音频信号声学特征的系统性能比较分析
声音
2024-06-21 v2 机器学习
音频与语音处理
摘要
广泛的呼吸系统疾病，如感冒、流感、哮喘和 COVID-19，影响着全球人们的日常生活。在医疗实践中，呼吸音被广泛用于医疗服务中以诊断各种呼吸道疾病和肺部疾患。此类声音的传统诊断需要专业知识，这可能成本高昂且依赖人类专家。尽管如此，近期的进展，如咳嗽音频记录，已成为自动化检测呼吸状况的一种手段。因此，本研究旨在探索各种声学特征，以提升机器学习（ML）模型从咳嗽信号中检测 COVID-19 的性能。它考察了三种特征提取技术，包括梅尔频率倒谱系数（MFCC）、色度（Chroma）和谱对比（Spectral Contrast）特征，在两种机器学习算法——支持向量机（SVM）和多层感知机（MLP）——上的效能，并由此提出一种高效的 CovCepNet 检测系统。所提系统提供了一种实用方案，并展现出最先进的分类性能，在 COUGHVID 数据集上 AUC 为 0.843，在 Virufy 数据集上 COVID-19 咳嗽音频检测 AUC 为 0.953。
引用
@article{arxiv.2309.04505,
title = {COVID-19 Detection System: A Comparative Analysis of System Performance Based on Acoustic Features of Cough Audio Signals},
author = {Asmaa Shati and Ghulam Mubashar Hassan and Amitava Datta},
journal= {arXiv preprint arXiv:2309.04505},
year = {2024}
}
备注
8 pages, 3 figures