Investigación y desarrollo de técnicas de procesado de señal e inteligencia artificial aplicadas a la recuperación de información biomédica a partir del análisis de señales sonoras respiratorias
Fecha
2024-03-22
Autores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Jaén : Universidad de Jaén
Resumen
Las enfermedades pulmonares obstructivas representan un desafío global para la salud, causando una alta
morbilidad, mortalidad y carga económica. La auscultación, método principal de evaluación respiratoria, es
subjetiva, provocando diagnósticos erróneos y aumentando los costos sanitarios. Esta investigación se centra en
mejorar la detección temprana mediante un enfoque de tres fases. En primer lugar, un método que combina
características espectrales basadas en autoregresión y una Máquina de Vectores de Soporte detecta eventos de
crepitación con una precisión del 80-100%. En segundo lugar, un cocleograma, que modela la selectividad de
frecuencia del oído humano, supera otras representaciones tiempo-frecuencia, logrando un 85.1% de precisión en
sibilancias y 73.8% en crepitaciones utilizando Redes Neuronales Convolucionales. Por último, la arquitectura
Vision Transformer, combinada con el cocleograma, muestra promesa en la clasificación de sonidos respiratorios.
A pesar de los desafíos en las bases de datos estandarizadas, las evaluaciones en el conjunto de datos ICBHI
demuestran la efectividad de la metodología propuesta. Esta investigación contribuye al avance del procesamiento
de señales y la inteligencia artificial, con el objetivo de mejorar la rapidez y precisión en la detección de
enfermedades respiratorias, una necesidad crucial en la atención sanitaria global.
Obstructive lung diseases are a global health challenge, causing high morbidity, mortality, and economic burden. Auscultation, the primary method for respiratory assessment, is subjective, leading to misdiagnoses and increased healthcare costs. This research focuses on enhancing early detection using a three-phase approach. Firstly, a method combining autoregression-based spectral features and a Support Vector Machine detects crackle events with 80-100% accuracy. Secondly, a cochleogram, modeling human cochlear frequency selectivity, outperforms other time-frequency representations, achieving 85.1% accuracy in wheezes and 73.8% in crackles using Convolutional Neural Networks. Lastly, the Vision Transformer architecture, combined with the cochleogram, demonstrates promise in respiratory sound classification. Despite challenges in standardized databases, evaluations on the ICBHI dataset showcase the effectiveness of the proposed methodology. This research contributes to advancing signal processing and artificial intelligence, aiming to enhance the speed and accuracy of respiratory disease detection, a crucial need in global healthcare.
Obstructive lung diseases are a global health challenge, causing high morbidity, mortality, and economic burden. Auscultation, the primary method for respiratory assessment, is subjective, leading to misdiagnoses and increased healthcare costs. This research focuses on enhancing early detection using a three-phase approach. Firstly, a method combining autoregression-based spectral features and a Support Vector Machine detects crackle events with 80-100% accuracy. Secondly, a cochleogram, modeling human cochlear frequency selectivity, outperforms other time-frequency representations, achieving 85.1% accuracy in wheezes and 73.8% in crackles using Convolutional Neural Networks. Lastly, the Vision Transformer architecture, combined with the cochleogram, demonstrates promise in respiratory sound classification. Despite challenges in standardized databases, evaluations on the ICBHI dataset showcase the effectiveness of the proposed methodology. This research contributes to advancing signal processing and artificial intelligence, aiming to enhance the speed and accuracy of respiratory disease detection, a crucial need in global healthcare.
Descripción
Palabras clave
Procesado de señal, inteligencia artificial, señal respiratoria, sonidos adventicios, detección
Citación
p.[http://hdl.handle.net/10953/]