Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3916| Sistema de cómputo en el borde para la adquisición y análisis de sonidos del sistema respiratorio Edge computing system for respiratory system sound acquisition and analysis | |
| José Antonio Rivas Navarrete | |
| Humberto Pérez Espinoza ANA LAURA PADILLA ORTIZ | |
| Acceso Abierto | |
| Atribución | |
| Enfermedades Respiratorias Crónicas (ERC), Tos, Respiración, Aprendizaje Automático, Dispositivo de borde. Chronic Respiratory Diseases (CRD), Cough, Breathing, Machine Learning, Edge Device | |
| En México existe una falta de infraestructura de salud para brindar una atención adecuada y eficaz para las enfermedades respiratorias. Por lo tanto, el diagnóstico temprano de estas enfermedades puede reducir la progresión de la enfermedad. La detección o clasificación de enfermedades respiratorias mediante señales de audio a través de técnicas de IA ha ayudado a los médicos a predecir y diagnosticar una variedad de enfermedades. El objetivo principal de esta tesis es desarrollar un dispositivo de borde para la adquisición y análisis de sonidos del sistema respiratorio, permitiendo procesar datos localmente sin necesidad de un servidor conectado a Internet. Esto es importante porque puede ayudar a los médicos a identificar y diagnosticar problemas respiratorios, especialmente en áreas rurales donde el acceso a los servicios médicos es limitado. Para lograrlo, se diseñó un conjunto de datos que contiene grabaciones de sonidos de tos y respiración tomados a nivel traqueal de personas con alguna enfermedad respiratoria y personas sanas. Las grabaciones se realizaron con el apoyo de una herramienta desarrollada para la captura del sonido de la respiración a nivel traqueal y una aplicación para grabar y almacenar los datos como parte de esta tesis. Después, se diseñó un protocolo para la captura de los sonidos de la tos y respiración. Posteriormente, se aplicaron técnicas de procesamiento de audio, como la reducción de ruido y la segmentación de audio; la segmentación consiste en dividir una señal de audio en segmentos de audio con tos. Se llevó a cabo la extracción de características acústicas utilizando el MFCC y las características de CHROMA para representar las señales de audio y entrenar un modelo de aprendizaje profundo basado en una 1D CNN. Se propusieron dos dispositivos de borde, un dispositivo móvil y un Raspberry Pi 4 Modelo B para integrar estos modelos. El dispositivo que obtuvo mejores resultados fue el dispositivo móvil, con una sensibilidad del 91.67% y una especificidad del 100.00% durante la evaluación del dispositivo. A pesar de que el Raspberry tiene un mejor procesamiento de los datos ya que permite la segmentación automática y la eliminación de ruido. In Mexico there is a lack of health infrastructure to provide adequate and effective care for respiratory diseases. Therefore, early diagnosis of these diseases can prevent the disease or prevent its progression. The detection or classification of respiratory diseases using audio signals through AI techniques has helped doctors to predict and diagnose a variety of diseases. The main objective of this thesis is to develop an edge device for the acquisition and analysis of sounds from the respiratory system, allowing data to be processed locally without the need for a server connected to the Internet. This is important because it can help doctors identify and diagnose respiratory problems, especially in rural areas where access to medical services is limited. To achieve this, a data set was designed that contains recordings of coughing and breathing sounds taken at the tracheal level of people with some respiratory disease and healthy people. The recordings were made with the support of a tool developed to capture the sound of breathing at the tracheal level and an application to record and store the data as part of this thesis. Then, a protocol was designed to capture the sounds of coughing and breathing. Subsequently, audio processing techniques such as noise reduction and audio segmentation were applied; segmentation consists of dividing an audio signal into audio segments with cough. Acoustic feature extraction was performed using the MFCC and CHROMA features to represent the audio signals and train a deep learning model based on a 1D CNN. Two edge devices, a mobile device and a Raspberry Pi 4 Model B, were proposed to integrate these models. The device that obtained the best results was a mobile device, with a sensitivity of 91.67% and a specificity of 100.00% during the evaluation of the device. Despite the fact that the Raspberry has better data processing since it allows automatic segmentation and noise removal. | |
| CICESE | |
| 2023 | |
| Tesis de maestría | |
| Español | |
| Rivas Navarrete, J.A. 2023. Sistema de cómputo en el borde para la adquisición y análisis de sonidos del sistema respiratorio. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 90 pp. | |
| CONVERTIDORES ANALÓGICO-DIGITALES | |
| Aparece en las colecciones: | Tesis - Tecnologías Avanzadas e Integradas |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_José Antonio Rivas Navarrete_ 21 julio 2023.pdf | Versión completa de la tesis | 11 MB | Adobe PDF | Visualizar/Abrir |