Prepoznavanje zvižduka u fonopneumogramima djece korištenjem algoritama strojnog učenja (CROSBI ID 419688)
Ocjenski rad | doktorska disertacija
Podaci o odgovornosti
Mazić, Igor
Bonković Mirjana
hrvatski
Prepoznavanje zvižduka u fonopneumogramima djece korištenjem algoritama strojnog učenja
Fizikalni proces nastanka i propagacije respiracijskih zvukova u stablu bronha modeliran je korištenjem akustičke teorije spojenih cijevi. U ovom radu se pokazalo da se akustička teorija spojenih cijevi koja se koristi za modeliranje vokalnog trakta uz određene prilagodbe može iskoristiti i za modeliranje stabla bronha, a značajke koje se koriste za prepoznavanje govora mogu se koristiti i za prepoznavanje zvižduka koji u stablu bronha nastaju tijekom astmatičnog napada. Značajkama temeljenim na logaritamskoj distribuciji filtara postižu se bolji rezultati prepoznavanja zvižduka u respiracijskim zvukovima nego sa značajkama koje nemaju logaritamsku distribuciju filtara. Koeficijenti kepstra koji su sadržani u MFCC koeficijentima dodatno poboljšavaju rezultate klasifikacije, što potvrđuje ispravnost postavljenog modela temeljenog na sustavu za homomorfnu dekonvoluciju. Dvoslojni SVM klasifikacijski algoritam paralelne strukture razrađen u ovom radu bolje razvrstava signale sličnih akustičkih svojstava poput zvižduka i inspiracijskog stridora. Na uspješnost prepoznavanja zvižduka utječu razlike središnjih frekvencija dominantnih harmonika zvižduka iz skupa za treniranje i skupa za testiranje.
astma, zvižduk, akustička teorija spojenih cijevi, homomorfna dekonvolucija MFCC, SVM
nije evidentirano
engleski
Wheeze recognition in children phonopneumograms using machine learning algorithms
nije evidentirano
asthma, wheeze, acoustic theory of connected pipes, homomorphic deconvolution MFCC, SVM
nije evidentirano
Podaci o izdanju
125
24.09.2015.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike, strojarstva i brodogradnje u Splitu
Split