基于希尔伯特-黄变换与深度学习的肺音哮喘诊断
声音
2021-01-22 v1 机器学习
音频与语音处理
摘要
肺部听诊是通过听诊器利用吸气和呼气时气道产生的声音来诊断各种呼吸系统疾病最有效且不可或缺的方法。在本研究中，对胸背部12个不同听诊区域的肺音施加希尔伯特-黄变换(Hilbert-Huang Transform)提取本征模态函数，并从中计算统计特征。使用深度信念网络(DBN)对哮喘受试者与健康受试者的肺音进行分类。具有两个隐藏层的DBN分类器模型采用5折交叉验证方法进行了测试。所提出的DBN利用时频分析，以84.61%、85.83%和77.11%的总体准确率、灵敏度和选择性分别实现了对哮喘与健康受试者肺音的高性能分类。
引用
@article{arxiv.2101.08288,
title = {The Diagnosis of Asthma using Hilbert-Huang Transform and Deep Learning on Lung Sounds},
author = {Gökhan Altan and Yakup Kutlu and Adnan Özhan Pekmezci and Serkan Nural},
journal= {arXiv preprint arXiv:2101.08288},
year = {2021}
}
备注
6 pages, in Turkish language, journal of intelligent systems with applications