基于声学的深度学习架构用于肺部疾病诊断:全面的概述
Alyaa Hamel Sfayyih1, Ahmad H Sabry2, Shymaa Mohammed Jameel3
1Department of Electrical and Electronic Engineering, Faculty of Engineering, University Putra Malaysia, Serdang 43400, Malaysia.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
本综述详细介绍了分析肺部声音的深度学习,这是诊断呼吸系统疾病的关键方法. 它涵盖了改进基于计算机的呼吸声分析的趋势,数据集和方法.
科学领域:
- 呼吸系统医学 呼吸系统医学
- 人工智能的人工智能
- 生物医学信号处理
背景情况:
- 肺部听觉是呼吸系统健康的重要诊断工具,在流行病后引起了人们的注意.
- 基于计算机的呼吸声分析,特别是使用人工智能,为检测肺部异常提供了先进的方法.
- 现有的审查缺乏对肺部声音分析深度学习架构的具体关注.
研究的目的:
- 为肺声分析提供基于深度学习的架构进行全面的审查.
- 整合关于这一专业领域的趋势,数据集,特征和方法的信息.
- 确定AI驱动的呼吸道诊断方面的缺口,并建议未来的研究方向.
主要方法:
- 在主要科学数据库 (PubMed,IEEE,Springer等) 进行系统的文献搜索. ) 的情况.
- 提取和评估了160多篇关于深度学习和肺声分析的出版物.
- 分析共同特征,数据集,分类方法和信号处理技术.
主要成果:
- 确定了肺声病理学和分类中的关键趋势.
- 总结了深度学习模型中用于呼吸声的常见特征和数据集.
- 突出了使用的各种信号处理技术和分类方法.
结论:
- 深度学习为推进基于计算机的呼吸声分析提供了巨大的潜力.
- 需要进一步的研究来完善模型,改善数据标准化,并探索新的架构.
- 这一综述为人工智能辅助肺声诊断的未来发展提供了基础.
更多相关视频
08:05Lung CT Segmentation to Identify Consolidations and Ground Glass Areas for Quantitative Assesment of SARS-CoV Pneumonia
Published on: December 19, 2020
14.2K
07:53Author Spotlight: Advancing 3D Modeling for Enhanced Diagnosis and Treatment of Pulmonary Nodules in Early-Stage Lung Cancer
Published on: October 13, 2023
1.5K
