Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Machine Learning Based Automatic Classification of Respiratory Signals using Wavelet Transform

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU137725" target="_blank" >RIV/00216305:26220/20:PU137725 - isvavai.cz</a>

  • Výsledek na webu

    <a href="https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9163565" target="_blank" >https://ieeexplore.ieee.org/stamp/stamp.jsp?arnumber=9163565</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1109/TSP49548.2020.9163565" target="_blank" >10.1109/TSP49548.2020.9163565</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Machine Learning Based Automatic Classification of Respiratory Signals using Wavelet Transform

  • Popis výsledku v původním jazyce

    Respiratory signals emanating from human lungs give vital and indicative information regarding the health status of a patient’s lungs. Conventional clinical methods require professional pulmonologists to diagnose such signals properly and are also time consuming. In this proposed work, an efficient and automated method is proposed for the diagnosis and classification of respiratory signals into normal and abnormal respiratory sound. Respiratory signal is cleaned using a band pass filter, followed by features extraction in wavelet domain. Discriminatory features from the filtered signals are fed to SVM for purpose of classification of signals. Proposed methodology has achieved an accuracy of 92.30% in correctly classifying the pathological lung sounds. Outcomes of the proposed algorithm are promising and indicates its usability for some real time application.

  • Název v anglickém jazyce

    Machine Learning Based Automatic Classification of Respiratory Signals using Wavelet Transform

  • Popis výsledku anglicky

    Respiratory signals emanating from human lungs give vital and indicative information regarding the health status of a patient’s lungs. Conventional clinical methods require professional pulmonologists to diagnose such signals properly and are also time consuming. In this proposed work, an efficient and automated method is proposed for the diagnosis and classification of respiratory signals into normal and abnormal respiratory sound. Respiratory signal is cleaned using a band pass filter, followed by features extraction in wavelet domain. Discriminatory features from the filtered signals are fed to SVM for purpose of classification of signals. Proposed methodology has achieved an accuracy of 92.30% in correctly classifying the pathological lung sounds. Outcomes of the proposed algorithm are promising and indicates its usability for some real time application.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

  • OECD FORD obor

    20202 - Communication engineering and systems

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2020

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    43rd International Conference on Telecommunications and Signal Processing

  • ISBN

    978-1-7281-6377-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    5

  • Strana od-do

    545-549

  • Název nakladatele

    Neuveden

  • Místo vydání

    Neuveden

  • Místo konání akce

    Milan, Italy

  • Datum konání akce

    7. 7. 2020

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000577106400117