基于自录呼吸音时频特征的慢阻肺筛查

资源简介

基于自录呼吸音时频特征的慢阻肺筛查

COPD screening using time–frequency features of self-recorded respiratory sounds

COPD是第三大死因，高达70%病例未确诊。提出基于自录呼吸音时频特征的筛查工具：提取COPD与无症状非COPD志愿者的呼吸、咳嗽音，分析39个时频特征并结合年龄、性别、吸烟状况，用自编码器与随机森林建模；含呼吸特征模型优于仅社会人口学特征模型。源自剑桥大学Covid-19 Sounds数据库，已去标识化、自由使用，原始声音及社会人口学信息因专有权不可共享（来源 DataONE）。

【数据内容】

源站描述（机器翻译，仅供参考）：慢性阻塞性肺疾病（COPD）是全球第三大死因，高达70%的病例仍未确诊。本文提出一种基于自录呼吸音时频表示特征的COPD筛查工具。利用一个大型科研用途数据库，从患有COPD的志愿者和无症状的非COPD志愿者中提取呼吸音样本（呼吸音和咳嗽音）。我们使用自编码器神经网络和随机森林算法，分析了呼吸音和咳嗽音的39个时频表示特征，并结合年龄、性别和吸烟状况。我们比较了为检测COPD而构建的不同呼吸音和咳嗽音随机森林模型的性能：仅基于声音特征、仅基于社会人口学特征，以及基于声音特征和社会人口学特征。包含呼吸特征的模型优于仅基于社会人口学特征的模型。具体而言，…… 数据来自：利用自录呼吸音的时频特征进行COPD筛查 数据集DOI：10.5061/dryad.v41ns1s8g 数据和文件结构说明 本数据集 record_data.csv 是一组新的时频特征集合，源自咳嗽和呼吸音样本。原始声音样本来自专有的 Covid-19 Sounds数据库，该资源由剑桥大学计算机科学与技术系的Cecilia Mascolo教授及其团队开发。我们获得许可来计算这些特征并共享所得数据集。由于剑桥大学持有的专有权，原始声音数据及相关社会人口学信息无法在此共享，但本存储库中包含的数据可自由使用。如需了解有关原始Covid-19 Sounds数据库的更多信息，或申请访问原始声音数据，请参阅……， 本数据集中包含的所有人类受试者数据均已根据相关隐私法规去标识化。身份识别信息已被删除或遮蔽。本数据集中没有数据可被合理用于识别个人身份。

【主题与分类】

主题标签：Chronic obstructive pulmonary disease、COPD screening、Computer-aided diagnosis、Artificial intelligence、Machine learning。本站分类：呼吸系统疾病/其他。

【获取与许可】

源站页面：https://search.dataone.org/view/sha256%3A2272bd70d1ad707e600ea3b4c82e9387b78a0121730e3a3f727f92c7d085dd6f