메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

사회과학
경영학 경제학 관광학 교육학 군사학 무역학 문헌정보학 법학 사회과학일반 사회복지학 사회학 신문방송학 심리과학 정치외교학 지리/지역개발학 지역학 행정학
공학
건축공학 공학일반 기계공학 산업공학 자원/재료공학 전자/제어계측공학 전자/정보통신공학 조선/해양공학 컴퓨터학 토목/환경공학 항공우주공학 화학/생물공학
자연과학
물리학 생물학 생활과학 수학/통계학 자연과학일반 전문/지구과학
의약학
간호학 수의학 약학 의학 의학일반 치의학 한의학
인문학
독일어문학 러시아어문학 문학 언어학 역사학 영어문학 인문학일반 일본어문학 종교학/신학 중국어문학 철학 프랑스어문학 한국어문학
예술체육학
건축 디자인 무용 미술 미용 사진 연극 영화 예술체육학일반 음악 의상 체육
농수해양학
농수해양학일반 농학 수산학 식품과학 임학 축산학 해상운송학
복합학
과학기술학/기술정책 뇌/인지과학 여성학 학제간연구

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.
고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
1
내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

내서재에 추가
되었습니다. 내서재에서
삭제되었습니다.

이 논문의 연구 히스토리 (2)

2021

이상 호흡음 분류를 위한 계층적 어텐션 네트워크 모델
정기원 ,  김성범 대한산업공학회지 2021.04 학술저널

2020

이상 호흡음 분류를 위한 계층적 어텐션 네트워크 모델
정기원 ,  김성범 대한산업공학회 추계학술대회 논문집 2020.11 학술대회자료

초록·키워드

오류제보하기
Recently the diagnosis of respiratory diseases based on respiratory-sound data has drawn much attention. However, no quantitative assessment method exists to detect abnormal respiratory sounds when making a diagnosis. Although existing studies have attempted to support doctors by providing them with machine learning results, there were limitations on explaining causal symptoms and establishing quantitative assessment. Therefore, a reliable method that can diagnose and explain the causal symptoms based on respiratory sound data is required. In this study, we propose using a hierarchical attention network for detecting abnormal respiratory sounds. The hierarchical attention network reflects hierarchical patterns of respiratory sounds and allows us to interpret the important feature of respiratory sounds. The experimental results showed that hierarchical attention network performed better than other existing methods in terms of sensitivity (ability of correctly detecting abnormal respiratory sounds) and explainability. We believe that the framework presented in this study can not only serve as a “second opinion” that can help doctors diagnose existing respiratory diseases, but also help doctors’ future research on unidentified respiratory diseases.
#Abnormal Respiratory Sound Classification #Computer Aided Diagnosis #Feature Extraction #Hierarchical Attention Networks #ICBHI 2017 Challenge

목차

1. 서론
2. 관련 연구
3. 제안 방법론
4. 실험 결과
5. 결론
참고문헌

참고문헌 (14)

참고문헌 신청
Rocha et al. (2019), An Open Access Database for the Evaluation of Respiratory Sound Classification Algorithms, Physiological Measurement, 40(3), 035001. google schola Breiman L. (2001), Random Forests, Machine Learning, 45(1), 5-32. google schola Chambres, G., Hanna, P., and Desainte-Catherine, M. (2018), Automatic Detection of Patient with Respiratory Diseases Using Lung Sound Analysis, In Proceedings-International Workshop on Content-Based Multimedia Indexing. google schola Cortes, C. and Vapnik, V. (1995), Support Vector Networks, Machine Learning, 20(3), 273-297. google schola Faustino, P. S. (2019), Crackle and Wheeze Detection in Lung Sound Signals Using Convolutional Neural Networks. google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

이상 호흡음 분류를 위한 계층적 어텐션 네트워크 모델
정기원 ,  김성범 대한산업공학회 추계학술대회 논문집 2020.11
여고생의 신체활동 정도에 따른 월경전증후군의 차이
남건희 ,  이영희 한국보건간호학회지 2014.08
Two Phase Multivariate to Multivariate Time Series Forecasting Using Self-attention Convolutional Autoencoder and Temporal Convolutional Network
Woo Young Hwang ,  Jun-Geol Baek 대한산업공학회지 2022.08
머신러닝 모델을 이용한 대한민국 코로나 신규 확진자 예측
배진수 ,  김성범 대한산업공학회지 2021.06
머신러닝을 활용한 응급실 내원 환자 퇴실 조치 결정 조기 예측
황하은 ,  강현구 ,  이의선 외 3명 대한산업공학회지 2021.06

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2021-530-001637160