-
梅尔频率倒谱系数在声带息肉手术前后嗓音分析中的价值研究
编辑人员丨2024/6/1
目的 本研究拟通过提取患者嗓音中的梅尔频率倒谱系数(MFCC)指标,探讨其在声带息肉手术前后嗓音分析中的临床价值.方法 回顾性分析于2018年1月-2019年8月行声带息肉手术且术前及术后1个月均行嗓音评估的患者41例,男31例,女10例;平均年龄(42.9±11.4)岁.另选取无声嘶且无声带病变的正常受试者21例作为基线对照.使用基于Python编程语言的librosa语音处理包进行MFCC特征提取,分别提取每位患者的MFCC均值,MFCC方差与MFCC标准差,使用配对样本t检验比较声带息肉手术前后上述各MFCC特征的差异.结果 声带息肉患者术后MFCC均值1.25±1.01、MFCC方差561.34±154.98及MFCC标准差21.74±4.03比术前MFCC均值6.81±2.05、MFCC方差1 019.66±295.87及MFCC标准差34.37±6.63显著下降,差异具有统计学意义(t=18.596,P=0.000;t=10.338,P=0.000;t=11.852,P=0.000).声带息肉组患者术后 1 个月其 MF-CC均值、MFCC方差及MFCC标准差与正常受试者相比差异均无统计学意义,表明绝大部分声带息肉患者术后嗓音得到良好的恢复.结论 本研究首次探索了 MFCC在声带息肉手术前后嗓音分析中的价值,MFCC各特征可作为评估声带息肉术后嗓音恢复的指标.
...不再出现此类内容
编辑人员丨2024/6/1
-
先天性心脏病心音听诊筛查的人工智能技术应用现状
编辑人员丨2023/8/5
近年来,电子听诊器结合人工智能技术实现了心音的数字化采集和先天性心脏病的智能识别,为心音听诊提供了客观依据,提高了先天性心脏病诊断的准确率.现阶段基于人工智能技术的智能听诊技术主要侧重于人工智能算法的研究,国内外学者也针对心音音频数据的特点设计总结了多种有效算法,其中梅尔频率倒谱系数(MFCC)是最常用且有效的心音特征,被广泛应用于智能听诊技术中.然而,当前心音智能听诊技术均基于筛选的特定数据集实现,并且尚未在实际临床环境中基于大样本进行实验验证,因此各个算法的实际临床应用表现尚待进一步验证.心音数据匮乏,特别是高质量、标准化、带疾病标注且公开的心音数据库的缺失,进一步制约了心音智能诊断分析技术的发展和听诊筛查的应用.因此,相关医疗单位应当组织有关专家共同建立先天性心脏病心音听诊筛查的专家共识和标准化心音听诊筛查流程,并以此建立权威心音数据库.本文就现阶段基于人工智能的听诊算法和硬件设备在先天性心脏病听诊筛查中的研究及应用进行综述,提出人工智能心音听诊筛查技术在临床应用中有待解决的问题.
...不再出现此类内容
编辑人员丨2023/8/5
-
基于极限梯度提升和深度神经网络共同决策的心音分类方法
编辑人员丨2023/8/5
心音是诊断心血管疾病常用的医学信号之一.本文对心音正常/异常的二分类问题进行了研究,提出了一种基于极限梯度提升(XGBoost)和深度神经网络共同决策的心音分类算法,实现了对特征的选择和模型准确率的进一步提升.首先,本文对预处理后的心音信号进行心音分割,在此基础上提取了5个大类的特征,前4类特征采用递归特征消除法进行特征选择,作为XGBoost分类器的输入,最后一类为梅尔频率倒谱系数(MFCC),作为长短时记忆网络(LSTM)的输入.考虑到数据集的不平衡性,本文在两种分类器中皆使用了加权改进的方法.最后采用异质集成决策方法得到预测结果.将本文所提心音分类算法应用于PhysioNet网站在2016年发起的PhysioNet心脏病学挑战赛(CINC)所用公开心音数据库,以测试灵敏度、特异性、修正后的准确率以及F得分,结果分别为93％、89.4％、91.2％、91.3％,通过与其他研究者应用机器学习、卷积神经网络(CNN)等方法的结果比较,在准确率和灵敏度上有明显提高,证明了本文方法能有效地提高心音信号分类的准确性,在部分心血管疾病的临床辅助诊断应用中有很大的潜力.
...不再出现此类内容
编辑人员丨2023/8/5
