Método de detección de la tos basado en el modelo BiLSTM conforme

Área de la Ciencia:

• Lingüística computacional
• Procesamiento de señales biomédicas
• Aprendizaje automático para la salud

Sus antecedentes:

• La detección de la tos es crucial para el diagnóstico de enfermedades respiratorias.
• La segmentación manual del sonido de la tos requiere mucho tiempo y es subjetiva.
• Los registros de tos en el mundo real presentan desafíos de detección debido a la variabilidad ambiental y del dispositivo.

Objetivo del estudio:

• Desarrollar un método automatizado y preciso para la detección de eventos sonoros de tos.
• Mejorar la eficiencia y la objetividad del análisis de la tos.
• Para abordar las dificultades en la detección de la tos de diversos datos de audio del mundo real.

Principales métodos:

• Se propuso un modelo híbrido que combina redes de memoria a corto plazo (BiLSTM) conformistas y bidireccionales.
• El modelo BiLSTM capturó información contextual, mientras que el modelo conformista extrajo características globales utilizando conexiones residuales de atención de múltiples cabezas.
• El modelo fue entrenado y validado en el conjunto de datos de Vocalsound disponible públicamente, que comprende 500 archivos de audio con 1928 sonidos de tos anotados.

Principales resultados:

• El modelo híbrido logró una sensibilidad del 97,22% y una especificidad del 97,08% en el conjunto de datos anotados.
• En una evaluación del conjunto de datos clínicos, el modelo demostró una sensibilidad del 98,45% y una especificidad del 92,7%.
• Se registró una tasa media de superposición de tiempo del 81,12% en el conjunto de datos clínicos, lo que indica una localización precisa del evento.

Conclusiones:

• El modelo híbrido conformer-BiLSTM propuesto ofrece una solución robusta y precisa para la detección automática del sonido de la tos.
• Este enfoque mejora significativamente la eficiencia y la fiabilidad del análisis de la tos en la investigación de enfermedades respiratorias.
• El alto rendimiento del modelo en conjuntos de datos públicos y clínicos sugiere su potencial para aplicaciones en el mundo real en el cuidado de la salud.