تشخیص بیماری copd از طریق تحلیل صدای ریه با تمرکز بر ویژگی‌های زمانی و به کارگیری شبکه‌ی مبتنی بر توجه زمانی و گیت‌های بازگشتی دوطرفه

بررسی صدای اندام‌های بدن یکی از روش‌های تشخیص بیماری‌های مختلف است که توسط پزشکان برای تحلیل صداهای عارضه‌ای به کار گرفته می‌شود. از آن‌جا که بیش‌تر مرگ و میرهای ناشی از بیماری،‌ در کشورهای فقیری رخ می‌دهد که کمبود تجهیزات و متخصص دارند، ایجاد روش‌های تشخیصی مبتنی بر یادگیری ماشین و پردازش صوت که علاوه بر دردسترس بودن، غیرتهاجمی و ارزان نیز باشند با تشخیص زودهنگام می‌تواند باعث نجات جان میلیون‌ها انسان شود. در مطالعات پیشین غالبا ورودی‌های بازتاب کننده‌ی ویژگی‌های فرکانسی صوت مورد استفاده قرار گرفته است که در این مقاله علاوه بر آن از یک نمایش بازگشتی نیز استفاده شده که ویژگی‌های زمانی صوت را بازتاب کرده و به عنوان ورودی به شبکه‌های کانولوشنی داده می‌شود تا از مزیت‌های یادگیری انتقالی آن بهره گرفته شود. هم‌چنین با اضافه کردن مکانیسم توجه زمانی و شبکه‌ی گیت‌های بازگشتی دوطرفه، توالی داده‌های صوتی که یک سری زمانی بوده مورد بررسی قرار گرفته و هر یک از داده‌ها با توجه به ارزش آن‌ها وزن‌دهی شده است. داده‌های مورد استفاده در این مقاله از پایگاه داده‌ی صدای ریه icbhi بوده که از آن در مقاله‌های بسیاری استفاده شده است. روش ارائه شده در این مقاله توانسته در طبقه‌بندی صدای ریه به سه دسته‌ی سالم، بیماری انسداد مزمن ریوی (copd) و سایر بیماری‌ها به دقت 97% برسد که نسبت به سایر روش‌هایی که از این پایگاه داده استفاده کرده‌اند نتیجه‌ی بهتری است.

diagnosing copd disease through lung sounds analysis with focusing on temporal features and using a network based on temporal attentionand bidirectional recurrent gates

examining the sound of body organs is one of the methods of diagnosing various diseases,which is used by specialists to analyze abnormal sounds. since most of the deaths caused bythe disease occur in poor countries that have a shortage of equipment and specialists, thedevelopment of diagnostic methods based on machine learning and audio processing, whichare available, non-invasive and inexpensive, can lead to early diagnosis and save the lives ofmillions of people. in previous studies, inputs that reflect the frequency characteristics of thesound have been used, in this article, we also use a recurrent representation that reflects thetemporal characteristics of the sound and is given as an input to convolutional networks inorder to benefit from its transfer learning advantages. by adding the temporal attentionmechanism and the bidirectional recurrent gates, the audio data sequence which is a timeseries is investigated and each data is weighted according to its value. the data used in thisarticle is from the icbhi lung sound database, which has been used in many other articles.the presented method was able to classify lung sounds into three categories: healthy, chronicobstructive pulmonary disease (copd) and other diseases with an accuracy of 97%, which isa better result than other methods that used this database.