Jul, 2023

使用机器学习从语音信号中检测喉癌：一项可复现的文献综述

PDF
TL;DR该研究对使用机器学习和人工智能从语音记录中检测喉癌的当前文献进行了范围审查，并针对分类问题进行了二分法和多分类法的讨论和方法比较，最终使用迁移学习对三类病症与健康对照进行分类，获得了相似的结果。
throat cancerspeech recordingsmachine learningartificial intelligenceneural networks
发现论文，激发创造
  • 细致的耳语：利用自动语音识别的进展进行稳健和可解释的失语症亚型分类

    该研究提出了一种全自动的方法来识别语音记录中的语音异常，以帮助评估语音障碍。结合连续时间分类（CTC）和基于编码器 - 解码器的自动语音识别模型，生成丰富的声学和干净的转录本。然后，应用几种自然语言处理方法从这些转录本中提取特征，以产生健康语音的原型。利用这些原型的基本距离度量作为标准机器学习分类器的输入特征，可以实现与人类水平相当的准确性来区分患有失语症的人与健康对照组的记录。此外，可以以 90% 的准确性区分最常见的失语症类型。该流程可直接应用于其他疾病和语言，并显示出从语音诊断标志提取的强大前景。

    Aug, 2023

  • COVID-19 检测系统：基于咳嗽音频特征的系统性能比较分析

    利用咳嗽声音进行 COVID-19 检测的研究，探讨了增强机器学习模型性能的各种声学特征提取技术，并在两种机器学习算法（支持向量机和多层感知机）上进行了实证研究，提出了一种高效的 COVID-19 检测系统。该系统在 COUGHVID 和 Virufy 数据集上表现出更好的分类性能。

    Sep, 2023

  • 利用众包呼吸声数据开发 COVID-19 的多变量预测模型

    开发了一种深度学习模型用于从声音记录数据中识别 COVID-19，使用声音数据为 COVID-19 诊断提供了有前景的结果。

    Feb, 2024

  • 利用自然语言处理从外科病理报告中提取和分类乳头状甲状腺癌特征

    ThyroPath 是一个基于规则的自然语言处理（NLP）流水线，可以自动提取和分类甲状腺癌病理报告的风险因素，并显示了在大规模上操作的潜力，并在人工提取病理信息方面实现了 100% 的准确性。

    May, 2024

  • 使用深度神经网络从呼吸和咳嗽声音中检测 COVID-19

    本研究探讨了使用深度学习模型作为一种通用的、低成本的 COVID-19 预筛查方法，以从手机设备或通过 Web 获取的呼吸或咳嗽音频中检测 COVID-19，通过深度学习模型的集成表现优于传统方法，特别针对呼吸音频具有更好的诊断性能。

    Dec, 2020

  • 基于先进信号处理与机器学习的音频呼吸疾病分类及辅助诊断支持

    利用全球最大的公开医疗数据库中的呼吸声音，结合经验模式分解和谱分析等方法，训练多个机器学习模型对不同健康状况进行分类诊断，从而大大提高辅助和远程诊断能力。

    Sep, 2023

  • 机器学习咳嗽音频分析早期检测结核病：朝着更可获得的全球分级使用

    通过分析手机麦克风中的咳嗽声的声学特征，该研究开发了一个集成模型来检测结核病，该模型通过患者咳嗽声数据和人口统计学数据进行训练，在 15 秒内获得结果，可通过移动应用程序轻松访问。

    Oct, 2023

  • 利用人工智能进行头颈部癌症患者的诊断和预测

    该研究提出使用机器学习和深度学习自动进行头颈部肿瘤分割、患者预后预测等医学任务，并比较了基于 ViT 和卷积神经网络的模型，同时提出了两个新的架构，其中 ViT 模型的预测与分割结果优于集成模型，该成果最终在 HECKTOR 2021 挑战赛预测任务中获得胜利。

    May, 2023

  • 从喉部图像中预测性别、吸烟历史和年龄

    本文介绍了利用深度学习模型预测患者人口统计学信息，以提高患者病情检测模型性能。同时，作者创建了一个新的喉镜图像集，评估了基于 CNN 和 Transformers 的 8 种经典深度学习模型性能，并提出将深度学习模型集成患者人口统计学信息以提高其性能。

    May, 2023

  • 探索基于众包呼吸音数据自动诊断 COVID-19

    利用数字化技术获取身体声音进行 COVID-19 的预筛查，结果表明即使是使用简单的二进制机器学习分类器也能够正确分类健康人和 COVID-19 声音，这为进一步研究如何利用自动分析呼吸模式作为 COVID-19 预筛查信号打开了大门。

    Jun, 2020