相关实验视频
Updated: Jun 20, 2026
14:13
Coordinate Mapping of Hyolaryngeal Mechanics in Swallowing
Published on: May 6, 2014
18.2K
结合浅层学习和集体学习的新方法,用于在临床数据库中自动检测吞声音
Satoru Kimura1, Takahiro Emoto2, Yoshitaka Suzuki3
1Division of Science and Technology, Graduate School of Sciences and Technology for Innovations, Tokushima University, Tokushima 770-8506, Japan.
Sensors (Basel, Switzerland)
|May 25, 2024
概括
这项研究引入了一种先进的方法,用于自动检测吞声音,以诊断消化不良. 这种新的方法显著提高了宫听觉的客观性,提高了吞障碍的诊断准确性.
科学领域:
- 生物医学工程 生物医学工程
- 语音和听力科学 语言和听力科学
- 医学声学 医学声学
背景情况:
- 宫听术是一种非侵入性的食障碍诊断工具,但其可靠性受到评估者主观性的限制.
- 现有的自动吞声音检测方法缺乏针对临床条件的专业化.
- 客观和可靠的自动化食障碍诊断仍然是一个未满足的临床需求.
研究的目的:
- 开发和评估一种新的客观方法,用于自动检测吞声音.
- 为了提高宫听力诊断的诊断准确度,用于食障碍.
- 为了解决当前自动吞声音分析的局限性.
主要方法:
- 使用Mel频率 Cepstral系数 (MFCCs) 和Mel频率大小系数 (MFMCs) 的特征提取.
- 组合学习模型的应用,结合支持矢量机 (SVM) 和多层感知器 (MLP).
- 用同步数据库验证了74名患者的吞声音和视频光学吞研究.
主要成果:
- 拟议的方法实现了F1-微平均值约为0.92.
- 该系统的诊断准确率高达95.20%.
- 结果表明,与现有方法相比,在检测吞声音方面具有更高的性能.
结论:
- 这种新的方法在宫听诊断的宫听诊断的客观性方面取得了重大进展.
- 该方法在经过测试的临床记录数据库中显示出高效率.
- 为了确认广泛的适用性和临床影响,必须对各种数据库进行进一步的验证.
