计算咳嗽的方法：用于评估自动咳嗽检测算法性能的事件驱动框架

Jun, 2024

计算咳嗽的方法：用于评估自动咳嗽检测算法性能的事件驱动框架

How to Count Coughs: An Event-Based Framework for Evaluating Automatic Cough Detection Algorithm Performance

Lara Orlandic, Jonathan Dan, Jerome Thevenot, Tomas Teijeiro, Alain Sauty...

TL;DR使用机器学习算法驱动的可穿戴设备检测慢性咳嗽病例中的咳嗽事件数量和时间模式，提供客观数据给临床医生以追踪症状和评估治疗方案。为此，提出使用基于事件的评估指标以及开源的框架来测试算法性能，并提供事件化咳嗽计数的示例和最佳实践指南。

Abstract

chronic cough disorders are widespread and challenging to assess because they rely on subjective patient questionnaires about cough frequency. Wearable devices running machine learning (ML) algorithms are promisi

chronic cough disorders wearable devices machine learning cough counting algorithms event-based evaluation metrics

发现论文，激发创造

借助人工智能利用咳嗽进行呼吸系统疾病诊断的研究综述

对咳嗽数据驱动的机器学习 / 深度学习检测和初步诊断框架进行了综合概述，包括显著特征的详细列表，并分析了引起咳嗽的机制和呼吸模式的潜在咳嗽特征，以及定制咳嗽监测应用和其基于人工智能的识别算法。此外，还详细讨论了发展实用、强大和普遍解决方案的挑战和未来研究方向。

Sep, 2023

基于气流信号的便携式肺功能检测系统自动咳嗽检测

介绍了过去十年咳嗽检测的研究，描述了 AioCare 便携式肺活量检测系统的自动咳嗽检测解决方案，该解决方案基于气流信号而非音频信号，使用逻辑回归、神经网络、支持向量机等分类器进行训练并选择了人工神经网络，测试表明该分类器精度稳健，能够应用于不同的环境和患者，是第一个基于气流信号的自动咳嗽检测算法描述，并且是第一个应用于商用肺活量检测系统的咳嗽检测算法。

Feb, 2019

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

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

利用机器学习分析全球智能手机录音进行 COVID-19 咳嗽分类

本研究基于机器学习算法，利用智能手机记录的咳嗽声，通过音频识别辨别新冠肺炎呈阳性患者的咳嗽声，实现无接触筛查，该方法具有使用方便、成本低廉等优点，并证明 Resnet50 分类器效果最佳。

Dec, 2020

COUGHVID 众包数据集：用于研究大规模咳嗽分析算法的语料库

该研究通过其公开的咳嗽检测算法筛选了 COUGHVID 数据集中的 2000 多个记录，然后经验丰富的肺科医生对这些记录进行了诊断，为解决全球最紧急的健康危机提供了用于训练机器学习模型的咳嗽录音数据。

Sep, 2020

自动分类脑电图事件的客观评估指标

研究在生物医学领域中，针对包含顺序数据的机器学习算法的评估缺乏标准化。本论文对现有的缺陷进行了讨论，并提出了几种新的性能度量标准，其中两种有前途的度量标准是实际术语加权值（ATWV）和时间对齐事件评分（TAES）。作者还展示了深度学习的最新技术在性能方面表现出色，但仍需要进一步改进才能满足用户的严格接受标准。

Dec, 2017

面向边缘设备的联邦几 - shot 咳嗽分类

发展了一个名为 F2LCough 的新型框架，采用了少样本学习和联邦学习的方法来有效地进行咳嗽声音分类，解决高成本、数据稀缺和隐私问题，该方法在 COVID-19 Thermal Face & Cough 数据集上取得了 86% 的平均 F1-Score，为咳嗽相关疾病的检测和诊断建立了基础框架。

Sep, 2023

利用迁移学习将 COVID-19 咳嗽添加到健康人的咳嗽检测模型中

利用预训练的健康咳嗽检测模型和相对较小的病人咳嗽数据集，我们提出了一种增量迁移学习方法，通过利用健康人咳嗽和 COVID-19 患者咳嗽之间的关系来合理准确地检测 COVID-19 咳嗽，减少了大规模病人数据集用于训练模型的需求。这种模型对于侦测新型呼吸病毒的发作具有重要意义。

Nov, 2023

利用智能手表麦克风传感器进行咳嗽检测与分类

本研究探讨了使用内置麦克风传感器的智能手表来监测咳嗽并检测各种咳嗽类型的潜力。我们对 32 名参与者进行了一项研究，并以受控方式收集了 9 小时的音频数据。随后，我们使用结构化方法处理了这些数据，得到了 223 个阳性咳嗽样本。我们进一步通过增加技术改进了数据集，并采用了专门的 1D CNN 模型。该模型在非步行状态下的准确率达到了 98.49%，步行状态下达到了 98.2%，证明了智能手表可以检测到咳嗽。此外，我们的研究成功使用聚类技术识别出了四种不同类型的咳嗽。

Jan, 2024