基于声学分析和机器学习构建咳嗽和清嗓分类模型

发布时间：2022-12-09 05:39

　　目的:建立气道廓清动作的声学分类器,为实施肺康复的咳嗽训练提供监测工具。方法:健康男性11例和女性15例,分别在平卧位、45°靠坐位和90°端坐位,根据随机视觉指令执行咳嗽和清嗓动作各10次,并同时录制声音,分析声音片段的时域、频域和信息域特征,由此构建声音的特征矢量用于机器学习。采用的模型包括:线性判别分析、分类回归决策树、随机森林和线性分类器型支持向量机。结果:模型间比较显示随机森林方法所建分类器具有更高的准确度（0.9162）和一致性（Kappa值为0.8323）。验证结果显示该模型无论在区分体位因素或不区分体位情况下,对咳嗽音有较高的准确度、一致性、敏感度和特异度。结论:咳嗽和清嗓动作具有声学差异,并且这种差异可以由随机森林方法构建机器学习模型加以分类,由此为肺康复治疗中采用声学手段辅助判断气道廓清动作类型提供了依据。 

【文章页数】：6 页

【文章目录】：
1 资料与方法
    1.1 一般资料
    1.2 研究方法
    1.3 数据处理
2 结果
3 讨论


【参考文献】：
期刊论文
[1]呼吸功能锻炼及有效咳嗽对COPD患者排痰效果的影响[J]. 徐昕鑫,刘建芬,王玉清.  中外医疗. 2018(09)
[2]基于声学相关特征与词典语法相关特征的汉语重音检测[J]. 倪崇嘉,张爱英,刘文举.  计算机学报. 2011(09)
[3]基于AUC的分类器评价和设计综述[J]. 汪云云,陈松灿.  模式识别与人工智能. 2011(01)



本文编号：3714939