利用机器学习咳嗽音频分析早期检测结核病：迈向更可及的全球分诊应用
音频与语音处理
2023-10-30 v1 机器学习
声音
定量方法
摘要
结核病（TB）是一种主要影响肺部由细菌引起的疾病，是全球主要的传染性死亡原因之一。为防止TB在体内扩散导致危及生命的并发症，及时有效的抗TB治疗至关重要。咳嗽作为TB的客观生物标志物，是一种监测治疗反应并随成功治疗而消退的分诊工具。目前TB诊断的金标准缓慢或难以获取，尤其在TB最常见的农村地区。此外，当前的机器学习（ML）诊断研究，如利用胸部X光片，效果有限且无法监测治疗进展。为实现有效诊断，开发了一种集成模型，使用新颖的ML架构分析来自智能手机麦克风的咳嗽声学流行病学以检测TB。该架构包括一个2D-CNN和XGBoost，在来自7个国家的724,964个咳嗽音频样本和人口统计信息上训练。经过特征提取（梅尔频谱图）和数据增强（IR卷积）后，模型达到了88%的AUROC（受试者工作特征曲线下面积），超过了WHO对筛查测试的要求。结果在15秒内可得，并可通过移动应用轻松获取。本研究有助于通过一种有前景的准确、快速且可及的分诊工具改善TB诊断。
引用
@article{arxiv.2310.17675,
title = {Early Detection of Tuberculosis with Machine Learning Cough Audio Analysis: Towards More Accessible Global Triaging Usage},
author = {Chandra Suda},
journal= {arXiv preprint arXiv:2310.17675},
year = {2023}
}