Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/3918| Análisis acústico de la tos para detección de COVID con énfasis en el balanceo de clases Acoustic analysis of cough for COVID detection with emphasis on class balance | |
| Arley Magnolia Aquino García | |
| Humberto Pérez Espinoza Javier Andreu Perez | |
| Acceso Abierto | |
| Atribución | |
| Análisis acústico, COVID-19, Segmentación, Balanceo de clases, Clasificación Acoustic analysis, COVID-19, Segmentation, Class balancing, Classification | |
| El desarrollo de métodos computacionales que permitan actuar rápidamente en el diagnóstico de enfermedades nuevas, como el COVID-19, utilizando datos acústicos, como grabaciones de toses, es de suma importancia. Este enfoque ofrece la posibilidad de detectar patrones y características distintivas en el sonido de la tos de los pacientes, lo que puede ser utilizado como una herramienta no invasiva y de fácil acceso para identificar enfermedades respiratorias lo cual puede ayudar a contener su propagación, implementar medidas preventivas y proporcionar un tratamiento adecuado en etapas tempranas. Este documento propone un enfoque acústico para la detección de COVID-19 a través de análisis de tos Investigamos la eficacia de las técnicas de segmentación y equilibrio de clases para mejorar el rendimiento de nuestro modelo de clasificación. Nuestro enfoque implica preprocesamiento y extracción de características de señales de audio de tos, seguida de segmentación para obtener muestras que incluyan periodos de tos para análisis. Evaluamos la efectividad de diferentes técnicas de segmentación y demostramos que segmentar las señales de audio en función de los intervalos de silencio da como resultado el máximo rendimiento. Además, abordamos el problema del desequilibrio de clases, que es un problema común en los conjuntos de datos médicos, aplicando técnicas de submuestreo y sobremuestreo. Comparamos nuestro enfoque de detección de COVID-19 propuesto con técnicas actuales de detección de COVID-19 y demostramos que nuestro enfoque ofrece un análisis más amplio para la clasificación de COVID-19 a través del uso de modelos de aprendizaje automático, segmentación automática de señales acústicas de la tos, y balanceo de clases. Permitiendo la posible detección automática de enfermedades respiratorias a través de la tos. Nuestros resultados muestran que el análisis de la tos puede servir como un método no invasivo, rentable, y herramienta confiable para la detección de COVID-19, especialmente en entornos de recursos limitados. The development of computational methods that allow rapid action in the diagnosis of new diseases, such as COVID-19, using acoustic data, such as cough recordings, is of the utmost importance. This approach offers the possibility of detecting distinctive patterns and characteristics in the sound of patients' coughs, which can be used as a non-invasive and easily accessible tool to identify respiratory diseases which can help contain their spread, implement measures preventive measures and provide adequate treatment in early stages. This paper proposes an acoustic approach to detecting COVID-19 through cough analysis. We investigated the efficacy of class balancing and segmentation techniques in improving the performance of our classification model. Our approach involves preprocessing and feature extraction from audio cough signals, followed by segmentation to obtain samples that include cough periods for analysis. We evaluate the effectiveness of different segmentation techniques and show that segmenting audio signals based on intervals of silence results in maximum performance. In addition, we address the problem of class imbalance, which is a common problem in medical data sets, by applying undersampling and oversampling techniques. We compare our proposed COVID-19 detection approach with current COVID-19 detection techniques and demonstrate that our approach offers broader analysis for COVID-19 classification through the use of machine learning models, automatic signal segmentation cough acoustics, and class swinging. Allowing the possible automatic detection of respiratory diseases through coughing. Our results show that cough testing can serve as a non-invasive, cost-effective, and reliable tool for the detection of COVID-19, especially in resource-limited settings. | |
| CICESE | |
| 2023 | |
| Tesis de maestría | |
| Español | |
| Aquino García, A.M. 2023. Análisis acústico de la tos para detección de COVID con énfasis en el balanceo de clases. Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California. 109 pp. | |
| TRANSDUCTORES ELECTROACÚSTICOS | |
| Aparece en las colecciones: | Tesis - Tecnologías Avanzadas e Integradas |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| tesis_Arley Magnolia Aquino García_25 julio 2023.pdf | Versión completa de la tesis | 2.5 MB | Adobe PDF | Visualizar/Abrir |