ترجمه فارسی مقاله بهینه سازی پارامترهای MFCC برای تشخیص خودکار بیماری های تنفسی

چکیده

Voice signals originating from the respiratory tract are utilized as valuable acoustic biomarkers for the diagnosis and assessment of respiratory diseases. Among the employed acoustic features, Mel Frequency Cepstral Coefficients (MFCC) is widely used for automatic analysis, with MFCC extraction commonly relying on default parameters. However, no comprehensive study has systematically investigated the impact of MFCC extraction parameters on respiratory disease diagnosis. In this study, we address this gap by examining the effects of key parameters, namely the number of coefficients, frame length, and hop length between frames, on respiratory condition examination. Our investigation uses four datasets: the Cambridge COVID-19 Sound database, the Coswara dataset, the Saarbrucken Voice Disorders (SVD) database, and a TACTICAS dataset. The Support Vector Machine (SVM) is employed as the classifier, given its widespread adoption and efficacy. Our findings indicate that the accuracy of MFCC decreases as hop length increases, and the optimal number of coefficients is observed to be approximately 30. The performance of MFCC varies with frame length across the datasets: for the COVID-19 datasets (Cambridge COVID-19 Sound database and Coswara dataset), performance declines with longer frame lengths, while for the SVD dataset, performance improves with increasing frame length (from 50 ms to 500 ms). Furthermore, we investigate the optimized combination of these parameters and observe substantial enhancements in accuracy. Compared to the worst combination, the SVM model achieves an accuracy of 81.1%, 80.6%, and 71.7%, with improvements of 19.6%, 16.10%, and 14.90% for the Cambridge COVID-19 Sound database, the Coswara dataset, and the SVD dataset respectively.

چکیده به فارسی (ترجمه ماشینی)

سیگنال های صوتی که از دستگاه تنفسی سرچشمه می گیرند ، به عنوان نشانگرهای زیستی آکوستیک با ارزش برای تشخیص و ارزیابی بیماری های تنفسی مورد استفاده قرار می گیرند.از بین ویژگی های صوتی استفاده شده ، ضرایب Cepstral فرکانس MEL (MFCC) به طور گسترده ای برای تجزیه و تحلیل خودکار استفاده می شود ، با استخراج MFCC که معمولاً به پارامترهای پیش فرض تکیه می کند.با این حال ، هیچ مطالعه جامع به طور سیستماتیک تأثیر پارامترهای استخراج MFCC بر تشخیص بیماری تنفسی را بررسی نکرده است.در این مطالعه ، ما با بررسی اثرات پارامترهای کلیدی ، یعنی تعداد ضرایب ، طول فریم و طول هاپ بین فریم ها ، در معاینه وضعیت تنفسی ، به این شکاف می پردازیم.تحقیقات ما از چهار مجموعه داده استفاده می کند: پایگاه داده صوتی Cambridge Covid-19 ، مجموعه داده Coswara ، بانک اطلاعاتی اختلالات صوتی Saarbrucken (SVD) و یک مجموعه داده تاکتیک.دستگاه بردار پشتیبانی (SVM) با توجه به اتخاذ و اثربخشی گسترده آن ، به عنوان طبقه بندی کننده به کار می رود.یافته های ما نشان می دهد که دقت MFCC با افزایش طول هاپ کاهش می یابد ، و تعداد بهینه ضرایب تقریباً 30 است. عملکرد MFCC با طول فریم در مجموعه داده ها متفاوت است: برای مجموعه داده های Covid-19 (کمبریج Covid-19پایگاه داده صدا و مجموعه داده های Coswara) ، عملکرد با طول قاب طولانی تر کاهش می یابد ، در حالی که برای مجموعه داده SVD ، عملکرد با افزایش طول قاب (از 50 ms به 500 ms) بهبود می یابد.علاوه بر این ، ما ترکیب بهینه شده این پارامترها را بررسی می کنیم و پیشرفت های قابل توجهی را در دقت مشاهده می کنیم.در مقایسه با بدترین ترکیب ، مدل SVM با پیشرفت های 19.6 ٪ ، 16.10 ٪ و 14.90 ٪ برای پایگاه داده صوتی کمبریج Covid-19 ، داده Coswara و داده های Coswara ، به دقت 81.1 ٪ ، 80.6 ٪ و 71.7 ٪ می رسد.مجموعه داده SVD به ترتیب.