• 한국음향학회지
• /
• 제38권5호
• /
• pp.568-573
• /
• 2019

폐질환 진단에서 청진은 다른 진단 방식에 비해 단순하고, 폐음을 이용하여 폐질환 환자식별뿐 아니라 폐음과 관련된 질병을 예측할 수 있다. 따라서 본 논문에서는 다양한 합성곱 신경방 방식을 기반으로 폐음을 이용하여 폐질환 환자를 식별하고, 소리특성에 따른 폐음을 분류하여 각 신경망 방식의 분류 성능을 비교한다. 먼저 폐질환 소견을 갖는 흉부 영역에서 단채널 폐음 녹음기기를 이용하여 폐음 데이터를 수집하고, 수집된 시간축 신호를 스펙트럼 형태의 특징값으로 추출하여 각 분류 신경망 방식에 적용한다. 폐 사운드 분류 방식으로는 일반적인 합성곱 신경망, 병렬 구조, 잔류학습이 적용된 구조의 합성곱 신경망을 사용하고 실험을 통해 각 신경망 모델의 폐음 분류 성능을 비교한다.

• 대한의용생체공학회:의공학회지
• /
• 제10권2호
• /
• pp.151-156
• /
• 1989

본 연구에서는 폐 및 기관지 질환 환자에 대한 객관적인 진단을 위한 폐음분석 시스템을 설계하였다. 적응 필터링 기법에 의하여 순수한 폐음을 분리하였고 이의 power spectrum을 구하기 위하여 TMS320C25 DSP 칩과 IBM PC를 사용해서 폐음 분석기를 구성하였다. 실험결과 적응 격자 위너 필터는 10차의 적은 차수로도 분리가 가능하였고 정상 폐음은 100-200 Hz, 급성 섬유성 폐렴폐음(crackle)은 100-400 Hz, 기관지 협착증(wheeze)폐음은 150-600 Hz에서 주파수범위를 갖는 power spectrum의 양상을 통해 각각 패턴 분류할 수 있었다.

• 한국컴퓨터정보학회논문지
• /
• 제26권11호
• /
• pp.21-31
• /
• 2021

최근 코로나(Covid-19)의 영향으로 스마트 헬스케어 관련 산업과 비대면 방식의 원격 진단을 통한 질환 분류 예측 연구의 필요성이 증가하고 있다. 일반적으로 호흡기 질환의 진단은 비용이 많이 들고 숙련된 의료 전문가를 필요로 하여 현실적으로 조기 진단 및 모니터링에 한계가 있다. 따라서, 간단하고 편리한 청진기로부터 수집된 호흡음을 딥러닝 기반 모델을 활용하여 높은 정확도로 분류하고 조기 진단이 필요하다. 본 연구에서는 청진을 통해 수집된 폐음 데이터를 이용하여 이상 호흡음 분류모델을 제안한다. 데이터 전처리로는 대역통과필터(BandPassFilter)방법론을 적용하고 로그 멜 스펙트로그램(Log-Mel Spectrogram)과 Mel Frequency Cepstral Coefficient(MFCC)을 이용하여 폐음의 특징적인 정보를 추출하였다. 추출된 폐음의 특징에 대해서 효과적으로 분류할 수 있는 병렬 합성곱 신경망 네트워크(Parallel CNN network)모델을 제안하고 다양한 머신러닝 분류기(Classifiers)와 결합한 스태킹 앙상블(Stacking Ensemble) 방법론을 이용하여 이상 호흡음을 높은 정확도로 분류하였다. 본 논문에서 제안한 방법은 96.9%의 정확도로 이상 호흡음을 분류하였으며, 기본모델의 결과 대비 정확도가 약 6.1% 향상되었다.

• 대한의용생체공학회:의공학회지
• /
• 제15권2호
• /
• pp.159-166
• /
• 1994

A new pattern classification algorithm using cepstrum to analyze lung sounds for the classification of pattern with pulmonary and bronchial disorders is proposed. To evaluate the perfomance of the proposed method, the results are compared to the pattern classification with the AR modeling method. In the experiment lung sounds recorded for the training of physician used. As a results, the accuracy of the cepstrum classification is 92.3 % and AR modeling is the 53.8 %, therefore cepstrum modeling method has very high performance than AR and it turned out to be a very efficient algorithm.

• 대한전기학회논문지:시스템및제어부문D
• /
• 제51권3호
• /
• pp.122-128
• /
• 2002

In this paper, a robust pattern classification of breath sounds for the diagnosis of pulmonary dysfunction in noise environment is proposed. The feature parameter extraction method by highpass lifter algorithm and PM(projection measure) algorithm are used. 17 different groups of breath sounds are experimentally classified and investigated. The classification has been performed by 6 different types of combinations with proposed methods to evaluate the performances, such as ARC with EDM and LCC with EDM, WLCC with EDM, ARC with PM, LCC with PM, WLCC with PM. Furthermore, all feature parameters are extracted to 80th orders by 5th orders step, and all experiments are evaluated in increasing noise environments by degrees SNR 24dB to 0dB. As a results, WLCC which is derived from highpass lifter algorithm, is selected for the feature parameter extraction method. Pm is more robust than EDM in noisy environments to test and compare experimental results. WLCC with PM method(WLCC/PM) has a better performance in an increasing noise environment for diagnosis of pulmonary dysfunction.