Name: 음성 신호 처리와 기계 학습을 기반으로 한 천식 감지 연구 (동영상) | JoVE Journal
Uploaded: 2025-07-22T12:40:00.000+00:00
Duration: 4 min 4 s
Description: 배우세요 음성 신호 처리와 SVM 및 Random Forest 알고리즘을 활용한 천식 감지 기법. 이 연구는 비침습적 진단을 위한 머신러닝 모델의 분류 정확도를 비교 분석하여 임상 적용 가능성을 제시합니다.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

<ol><li>Huang, K., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((risk+factors%2C+and+management+of+asthma+in+China%3A+a+national+cross-sectional+study%5BTitle%5D)+AND+%22Lancet%22%5BJournal%5D)">risk factors, and management of asthma in China: a national cross-sectional study.</a> Lancet. 394 (10196), 407-418 (2019).</li>
<li>McCormack, M. C., Enright, P. L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Making+the+diagnosis+of+asthma%5BTitle%5D)+AND+%22Respir+Care%22%5BJournal%5D)">Making the diagnosis of asthma.</a> Respir Care. 53 (5), discussion 590-2 583-590 (2008).</li>
<li>Backer, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+work-up+in+patients+with+possible+asthma+referred+to+a+university+hospital%5BTitle%5D)+AND+%22Eur+Clin+RespirJ%22%5BJournal%5D)">Diagnostic work-up in patients with possible asthma referred to a university hospital.</a> Eur Clin RespirJ. 2, (2015).</li>
<li>Fortuna, A. M., Feixas, T., González, M., Casan, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Diagnostic+utility+of+inflammatory+biomarkers+in+asthma%3A+exhaled+nitric+oxide+and+induced+sputum+eosinophil+count%5BTitle%5D)+AND+%22Respir+Med%22%5BJournal%5D)">Diagnostic utility of inflammatory biomarkers in asthma: exhaled nitric oxide and induced sputum eosinophil count.</a> Respir Med. 101 (11), 2416-2421 (2007).</li>
<li>Gibson, P. G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Monitoring+the+patient+with+asthma%3A+an+evidence-based+approach%5BTitle%5D)+AND+%22Allergy+Clin+Immunol%22%5BJournal%5D)">Monitoring the patient with asthma: an evidence-based approach.</a> Allergy Clin Immunol. 106 (1 Pt 1), 17-26 (2000).</li>
<li>Gibson, P. G., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Self-management+education+and+regular+practitioner+review+for+adults+with+asthma%5BTitle%5D)+AND+%22Cochrane+Database+Syst+Rev%22%5BJournal%5D)">Self-management education and regular practitioner review for adults with asthma.</a> Cochrane Database Syst Rev. (1), CD001117(2003).</li>
<li>Dogan, M., Eryuksel, E., Kocak, I., Celikel, T., Sehitoglu, M. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Subjective+and+objective+evaluation+of+voice+quality+in+patients+with+asthma%5BTitle%5D)+AND+%22J+Voice%22%5BJournal%5D)">Subjective and objective evaluation of voice quality in patients with asthma.</a> J Voice. 21 (2), 224-230 (2007).</li>
<li>Ihre, E., Zetterström, O., Ihre, E. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Voice+problems+as+side+effects+of+inhaled+corticosteroids+in+asthma+patients--a+prevalence+study%5BTitle%5D)+AND+%22J+Voice%22%5BJournal%5D)">Voice problems as side effects of inhaled corticosteroids in asthma patients--a prevalence study.</a> J Voice. 18 (3), 403-414 (2004).</li>
<li>Analysis of acoustic features for voice sound based classification of asthmatic and healthy subjects. Yadav, S., Keerthana, M., Gope, D., Uma, M. K., Ghosh, P. K. ICASSP 2020-2020 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Barcelona, Spain, , 6789-6793 (2020).</li>
<li>Isangula, K. G., Haule, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Leveraging+AI+and+machine+learning+to+develop+and+evaluate+a+contextualized+user-friendly+cough+audio+classifier+for+detecting+respiratory+diseases%3A+Protocol+for+a+diagnostic+study+in+rural+Tanzania%5BTitle%5D)+AND+%22JMIR+Res+Protoc%22%5BJournal%5D)">Leveraging AI and machine learning to develop and evaluate a contextualized user-friendly cough audio classifier for detecting respiratory diseases: Protocol for a diagnostic study in rural Tanzania.</a> JMIR Res Protoc. 13, e54388(2024).</li>
<li>Rogers, H. P., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Voice+as+a+biomarker+of+pediatric+health%3A+A+scoping+review%5BTitle%5D)+AND+%22Children+%28Basel%29%22%5BJournal%5D)">Voice as a biomarker of pediatric health: A scoping review.</a> Children (Basel). 11 (6), 684(2024).</li>
<li>MeLoDicA AI - machine learning based detection of asthma via vocal audio analysis. Looi, Z. Q., Ng, Z. H., Yak, R. X., Rosen, O., Kumar, A. 2024 IEEE Conference on Artificial Intelligence (CAI), , 905-910 (2024).</li>
<li>Barua, P. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+asthma+detection+in+a+1326-subject+cohort+using+a+one-dimensional+attractive-and-repulsive+center-symmetric+local+binary+pattern+technique+with+cough+sounds%5BTitle%5D)+AND+%22Neural+Comput+%26+Applic%22%5BJournal%5D)">Automated asthma detection in a 1326-subject cohort using a one-dimensional attractive-and-repulsive center-symmetric local binary pattern technique with cough sounds.</a> Neural Comput & Applic. 36, 16857-16871 (2024).</li>
<li>Iqbal, M. D. A., Krishnamoorthy, D., Musthak, S. A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Real+time+detection+and+forecasting+technique+for+asthma+disease+using+voice+signal+and+DENN+classifier%5BTitle%5D)+AND+%22Biomedical+Signal+Processing+and+Control%22%5BJournal%5D)">Real time detection and forecasting technique for asthma disease using voice signal and DENN classifier.</a> Biomedical Signal Processing and Control. 76, 103637(2022).</li>
<li>Wu, Y., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Ubi-Asthma%3A+Toward+ubiquitous+asthma+detection+using+the+Smartwatch%5BTitle%5D)+AND+%22IEEE+Internet+of+Things+Journal%22%5BJournal%5D)">Ubi-Asthma: Toward ubiquitous asthma detection using the Smartwatch.</a> IEEE Internet of Things Journal. 10 (13), 11576-11587 (2023).</li>
<li>Schölkopf, B., Smola, A. J. Support vector machines. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSch%C3%B6lkopf%2C+B+%22Encyclopedia+of+Biostatistics%22">Encyclopedia of Biostatistics</a>. , 978-047197762 (1998).</li>
<li>Burges, C. J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+tutorial+on+support+vector+machines+for+pattern+recognition%5BTitle%5D)+AND+%22Data+Mining+and+Knowledge+Discovery%22%5BJournal%5D)">A tutorial on support vector machines for pattern recognition.</a> Data Mining and Knowledge Discovery. 2 (2), 121-167 (1998).</li>
<li>Liaw, A., Wiener, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+Forest%3A+Classification+and+Regression%5BTitle%5D)+AND+%22R+News%22%5BJournal%5D)">Random Forest: Classification and Regression.</a> R News. 2 (3), 18-22 (2002).</li>
<li>Cutler, D. R., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+forests+for+classification+in+ecology%5BTitle%5D)+AND+%22Ecology%22%5BJournal%5D)">Random forests for classification in ecology.</a> Ecology. 88 (11), 2783-2792 (2007).</li>
<li>Breiman, L. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Random+forests%5BTitle%5D)+AND+%22Machine+Learning%22%5BJournal%5D)">Random forests.</a> Machine Learning. 45 (1), 5-32 (2001).</li>
</ol>

<table><tbody><tr><td>Device</td><td>Supplier<</td><td>strong>Model/Version</td><td>Brand</td></tr><tr><td>Digital Recorder</td><td>ZOOM Audio Store</td><td>H6</td><td>ZOOM</td></tr><tr><td>GitHub</td><td>공식 웹사이트</td><td>2.47.1.2</td><td>Git</td></tr><tr><td>Matlab</td><td>https://www.mathworks.com/</td> <td>R2024b</td><td>MathWorks</td></tr><tr><td>Pycharm</td><td>공식 웹사이트</td><td>2024.1</td><td>JetBrains</td></tr><tr><td>Python</td><td>공식 웹사이트</td><td>3.12</td><td>Python</td></tr></tbody></table>

음성 신호 처리와 기계 학습을 기반으로 한 천식 감지 연구

Asthma Detection Research Based on Voice Signal Processing and Machine Learning

음성 기능 인덱스 데이터베이스 구축 완료
이 연구는 음성 신호의 다단계 분석을 통해 467개의 음성 기능 메트릭을 성공적으로 추출했습니다. 467 음성 기능 지표는 위의 GitHub URL을 참조하세요. 사용되는 분석 방법에는 시간 영역 분석, 빈도 영역 분석, MFCC 추출 및 중국 전통 의학 진단 표준을 기반으로 한 기능 변환이 포함됩니다. 구체적으로 말하자면, 시간 영역 분석은 신호의 기본 파형 특성과 진폭 변화를 반영하는 반면, 주파수 영역 분석은 신호의 주파수 구성을 드러내어 음성의 스펙트럼 구조를 이해하는 데 도움이 됩니다. MFCC 추출은 음성 신호의 스펙트럼 특징을 추가로 캡처하여 기계 학습 분석에 적합한 형태로 변환했습니다. 또한 이 연구는 이 연구의 특정 요구 사항과 분석 목표에 더 잘 부합하기 위해 전통 중국 의학 진단 기준에 따라 특정 기능 지표를 변환했습니다. 궁극적으로 음성 기능 인덱스 데이터베이스는 100개의 음성 샘플(5...

To analyze voice signals and identify asthma patients using voice signal analysis and machine learning techniques, we collected clear, low-noise ...

asthma-detection-research-based-on-voice-signal-processing-machine

Research

JoVE Journal

Bioengineering

여기에서는 호흡기 근전도(EMG) 신호를 기록하고 분석하는 프로토콜에 대해 설명합니다. 여기에는 여러 호흡기 근육에 EMG 전극을 배치하고, EMG 신호에서 심전도 잡음을 제거하고, EMG RMS(Root Mean Square) 및 활동 시작 타이밍을 획득하기 위한 해부학적 참조가 포함됩니다.

호흡기 근육 표면 근전도의 수집 및 반자동 분석

본 연구는 음성 신호 처리 기술과 머신러닝 알고리즘의 통합을 활용하여 만성폐쇄성폐질환(COPD)과 호흡기 감염(RTI) 진단을 받은 환자로부터 기침음 데이터를 획득하여 두 가지 범주의 자동 분류를 효과적으로 달성했습니다.

기계 학습 기반 기침 톤 분류: 만성 폐쇄성 폐질환 및 호흡기 감염의 진단 탐색

이 프로토콜의 목표는 로지스틱 회귀를 사용하여 자동 음향 인식 소프트웨어로 처리된 대규모 음향 데이터셋에서 탐지 정밀도를 높이기 위해 종 및 장소별 신뢰 점수 임계값을 결정하는 것입니다.

대규모 음향 데이터셋의 로지스틱 회귀를 통한 조류 소리 인식 모델의 탐지 정밀도 향상: 유럽 울새(Erithacus rubecula) 사례 연구

임베디드 세포와 어떤 표면을 포함하는 모듈 불리는 원통형 콜라겐 젤을 사용하여 마이크로 조직의 생성은 내피 세포로 코팅됩니다.

콜라겐의 모듈을 사용하여 미세 조직의 제조가 포함 세포를 젤

우리는 topoisomerase 단백질에 의해 구동되는 분자 규모의 장치의 조립 및 응용 프로그램을 보여줍니다. 구조는 끝이 두 가지 다른 fluorophores을 첨부하여 조직 섹션에서 DNA 나누기의 두 가지 주요 유형의 레이블 생체 분자 센서이다.

DNA 손상 감지를위한 세미 인공 분자 기계 및 이용 체외 조립에

전도성 고분자 (CP) 트랜스 듀서에서 생성 모든 고체 이온 선택성 전극 (ASSISEs) 액체 매체의 기능적 수명이 몇 달을 제공합니다. 여기, 우리는 실험실 - 온 - 칩 형식 ASSISEs의 제조 및 교정 과정을 설명합니다. ASSISE 복잡한 생물학적 매체에서 장기간 보관 후 가까운 따른다 Nernstian 기울기 프로파일을 유지 한 것으로 설명된다.

생리 연구를위한 모든 고체 이온 선택성 전극 (ASSISE)를 기반으로 다중 분석 바이오칩 (MAB)

이중 가닥 RNA 간섭 (dsRNAi) 기술은 옥수수 신나 코엔자임에게 낮은 식물 리그닌 함량에 대한 환원 (ZmCCR1) 유전자를 하향 조절하기 위해 사용된다. 세포벽에서 리그닌 다운 규제는 현미경 분석에 의해 시각과 Klason 방법에 의해 정량화된다. 헤미셀룰로오스 및 결정 셀룰로오스의 조성 변화를 분석됩니다.

의 리그닌 아래로 규제<em&gt; ZEA 메이스</em&gt; dsRNAi 및 Klason 리그닌 분석을 통해

혈관은 성공적인 조직 공학의 접근 방법의 핵심입니다. 따라서, 신뢰성있는 기술은 조직 구조에서의 혈관 망의 발달을 평가하기 위해 필요하다. 여기서 우리는 시각화 및 생체 내에서 혈관 생성을 정량화하기 위해 간단하고 비용 효율적인 방법을 제시한다.

전체 피부 결함 모델은 생체의 혈관 신생을 평가하기<em&gt; 생체</em

성게의 턱을 기반으로 한 샘플링 장치에 대한 생체 영감 설계를 위한 프로토콜이 설명되어 있습니다. 바이오인스퍼레이션 프로세스에는 성게 관찰, 마우스피스 특성화, 치아 및 치아 조립의 3D 프린팅, 치아 구조의 바이오탐사가 포함됩니다.

Bioinspired 디자인을위한 프로토콜 : 접지 샘플러 성게 턱을 바탕으로

전기 분무 이온화(ESI) 질량 분석기와 결합된 사내 내장 플로우 스루 트립틱 마이크로리액터를 사용한 단백질 분해 분해를 위한 빠른 프로토콜이 제시됩니다. 마이크로 리액터의 제작, 실험 설정 및 데이터 수집 프로세스에 대해 설명합니다.

플로우를 통해 마이크로 반응기와 MS 검출을위한 단백질의 빠른 효소 처리

배우세요 음성 신호 처리와 SVM 및 Random Forest 알고리즘을 활용한 천식 감지 기법. 이 연구는 비침습적 진단을 위한 머신러닝 모델의 분류 정확도를 비교 분석하여 임상 적용 가능성을 제시합니다.

음성 신호 처리와 기계 학습을 기반으로 한 천식 감지 연구

더 많은 동영상 탐색