利用咳嗽声优化低资源环境中的胸部X光应用
音频与语音处理
2024-02-15 v1 人工智能
机器学习
定量方法
摘要
胸部X光是分诊、诊断和管理呼吸疾病时常用工具。在资源受限的环境中，优化这一资源可为医疗系统和患者带来显著的成本节省，同时改善就诊时间。我们使用在印度比哈尔邦普尔尼亚的基督医学中心和医院 (CMCH) 受邀进行胸部X光的137名患者的准实验数据。每位患者在进行放射检查前至少提供5次咳嗽。对收集的咳嗽声进行声学AI方法分析。对每位患者的咳嗽声进行时域和频谱特征的交叉验证。通过标准统计方法对特征进行汇总。开发、测试并比较了三个模型，其在预测胸部X光异常结果方面的能力。所有三种方法都构建了能够在一定程度上区分正常和异常结果的模型，其中逻辑回归表现最佳，其受试者运行特征曲线下面积范围为0.7至0.78。尽管存在局限性且样本量相对较小，但本研究表明AI驱动的算法可利用咳嗽声预测为胸部放射检查提供的个体将呈现正常或异常结果。这些结果呼吁加大此项研究的投入， given其在中低收入国家优化有限医疗资源的潜在价值。
引用
@article{arxiv.2402.08789,
title = {Leveraging cough sounds to optimize chest x-ray usage in low-resource settings},
author = {Alexander Philip and Sanya Chawla and Lola Jover and George P. Kafentzis and Joe Brew and Vishakh Saraf and Shibu Vijayan and Peter Small and Carlos Chaccour},
journal= {arXiv preprint arXiv:2402.08789},
year = {2024}
}