Мел-кепстральний аналіз звуків легень

Скорочена інформація про документ
dc.contributor.advisorПорєва, Ганна Сергіївна
dc.contributor.authorСемків, Христина Ігорівна
dc.date.accessioned2021-03-23T10:17:35Z
dc.date.available2021-03-23T10:17:35Z
dc.date.issued2020
dc.description.abstractenThe object of the study of this work is the base of lung sounds of healthy and sick people with repository diseases. The aim of the work is to classify lung diseases using the method of mel-cepstral coefficients. Nowadays the lung diseases are one of the greatest threats for human health. According to statistics, hundred millions of people suffer because of the chronic respiratory diseases and each six death is caused by lung diseases. The first step in the treatment strategy is timely diagnosis of the pathology. The most common diseases of respiratory track and other lung structures are bronchial asthma, tuberculosis, chronic obstructive pulmonology diseases (COPD), acute respiratory virus infections (including chronic bronchitis), lung cancer and etc. Diseases are considered in the work – COPD and bronchitis. Modern methods of machine analysis of lung sounds are considered in the work: Fourier analysis, autocorrelation analysis, wavelet analysis, cepstral analysis and etc. Each of them has its own advantages and disadvantages, because of which they cannot be used to identify all the pathology. That is why they are aimed at a specific task. So, the priority is to find universal analysis that can be used to any task. For further research was chosen cepstral analysis. Analysis was performed by the method of mel-cepstral coefficients. The main idea is the using of mel scale, which highlights the most important frequencies for human perception. With the help of it was received 12 coefficients instead of thousands of counts to each sound recording. Moreover, the volume of these data much less than spectral or time representations of signal. All the data were recorded in the table. Based on these data comparative histograms were built, the purpose of which is to highlight the signs of each disease separately and use them to build classifier. Thus, it was clarified that signs characteristic of COPD – 1-7 coefficients, of bronchitis – coefficients 1-3, 5. In the first case, the histograms have pronounced differences for current pathology, while in the second case the signs appear selectively and have weak differences between bronchitis and healthy person. Nevertheless, all the data were used to built classifier. Classifier is the basis of machine learning. It is used to optimize the formulation of respiratory disease. The base is consist of 56 healthy people, 100 patients with COPD and 84 patients with bronchitis. The quality of work of classifiers (Decision Tree, KNN, discriminant analysis, SVM) was assessed by the following criteria: accuracy, completeness and F-measure. Considering the results of criteria and the work of their algorithms Weighted KNN Classifier was chosen. In addition, cross-validation was performed, that is the required part of model building. Algorithm checks for actual data in real time and give more accurate idea about the efficiency of classifier’s work. In the work process 10-blocks cross- validation as carried out, because experiments have shown that in this case the most reliable estimation of its initial error turns out. Two class classifier was built based on data of healthy people and patients with COPD and three class classifier was built, too, based on data of healthy people, patients with COPD and patience with bronchitis. Thus, the quality of work of the last one is a bit worse. In other words, method of mel-cepstral coefficients gives us not enough information for patients with bronchitis, because of what unable to unambiguously assess healthy status of lungs, necessary to look for another parameters. But it identifies COPD well.uk
dc.description.abstractukОб’єкт дослідження даної роботи є база звуків легень здорових та хворих людей на респіраторні захворювання. Мета роботи – класифікація легеневих захворювань за допомогою методу мел-кепстральних коефіцієнтів. За статистикою, сотні мільйонів людей щоденно страждають від хронічних респіраторних захворювань, а причиною кожної шостої смерті у всьому світі є легеневі захворювання. Сьогоденна світова проблема, пов’язана з вірусом, в першу чергу вражає дихальну систему людини. Найпоширенішими захворюваннями дихальних шляхів та інших легеневих структур є: бронхіальна астма, туберкульоз, хронічне обструктивне захворювання легень (ХОЗЛ), професійні захворювання, гостра респіраторна вірусна інфекція (в тому числі бронхіт). У даній роботі було досліджено ХОЗЛ та бронхіт. У роботі наведені сучасні методи аналізу звуків легень: Фур’є аналіз, автокореляційний аналіз, вейвлет-аналіз, кепстральний аналіз та ін. Серед них обрано кепстральний аналіз для подальшого дослідження. Аналіз виконувався методом мел-кепстральних коефіцієнтів, за допомогою якого отримані результати 12 коефіцієнтів для кожного запису звуку. Усі дані занесені у таблиці. На основі цих даних побудовані порівняльні гістограми для кожної хвороби окремо, які допомогли визначити ознаки наявності певної патології і потім використані для побудови класифікаторів. Ознаки характерні для ХОЗЛ – коефіцієнти 1-7, які мають яскраво виражені відмінності для даної хвороби, а для бронхіту – коефіцієнти 1-3, 5. Проте вони проявляються вибірково та мають слабко виражені відмінності від здорових людей. База класифікатору складається з 56 здорових людей, 100 хворих на ХОЗЛ та 84 хворих на бронхіт. Проведена оцінка якості роботи класифікаторів, після чого обрано класифікатор Weighted KNN з 10-блочною кросс-валідацією. Побудовано 2-х класовий класифікатор на основі даних здорових людей та хворих на ХОЗЛ та 3-х класовий, який включає усі категорії. Результати показали, що кепстральний аналіз не є універсальним. Він чітко визначає таку хворобу, як ХОЗЛ, проте надає недостатньо інформації для виявлення бронхіту.uk
dc.format.page81 с.uk
dc.identifier.citationСемків, Х. І. Мел-кепстральний аналіз звуків легень : дипломна робота ... бакалавра : 153 Мікро- та наносистемна техніка / Семків Христина Ігорівна. – Київ, 2020. – 81 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40165
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectреспіраторні захворюванняuk
dc.subjectХОЗuk
dc.subjectбронхітuk
dc.subjectкепстральний аналізuk
dc.subjectмел-кепстральні коефіцієнтиuk
dc.subjectкласифікаторuk
dc.subjectrespiratory diseasesuk
dc.subjectCOPDuk
dc.subjectbronchitisuk
dc.subjectcepstral analysisuk
dc.subjectmel-cepstral coefficientsuk
dc.subjectclassifieruk
dc.titleМел-кепстральний аналіз звуків легеньuk
dc.typeBachelor Thesisuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Semkiv_bakalavr.pdf
Розмір:
1.88 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ЕІ)
Бакалаврські роботи