在这项研究中,开发了一种机器学习模型,用于自动检测呼吸系统声音,例如在疾病诊断中进行打喷嚏和咳嗽。自动模型和探讨呼吸声的发展,携带有价值的信息,导致早期诊断和治疗。本研究开发了一个成功的机器学习模型,这是对挑战的强烈反应,称为“OSFHOME”开放式接入平台上的“辉瑞数字医学挑战”。 “环境声音分类”称为ESC-50和Audioset Sound文件用于准备数据集。在该数据集中由三个部分组成,从训练,测试和验证样品中提取有效地显示咳嗽和打喷嚏声音分析的功能。基于MEL频率谱系齐系数(MFCC)特征提取方法,准备了数学和统计特征。考虑了三种不同的分类技术在包含超过3800个不同的声音的数据集中执行成功的呼吸声分类。支持向量机(SVM)具有径向基函数(RBF)内核,集合聚合和决策树分类方法用作分类技术。为了尝试将咳嗽和打喷嚏来自其他声音的声音,SVM与RBF内核的成功取得了83%。
translated by 谷歌翻译