https://libeldoc.bsuir.by/handle/123456789/61888| Title: | Сеть «интернета вещей» для диагностики на основе анализа голоса |
| Authors: | Вишняков, В. А. Хэ Тао |
| Keywords: | публикации ученых;нейронные сети;машинное обучение;интернет вещей;диагностика;пульмонология |
| Issue Date: | 2025 |
| Publisher: | Министерство связи и информатизации Республики Беларусь |
| Citation: | Вишняков, В. А. Сеть «интернета вещей» для диагностики на основе анализа голоса / В. А. Вишняков, Хэ Тао // Веснік сувязі. – 2025. – № 5. – С. 48–53. |
| Abstract: | Звуки дыхания человека играют большую роль в диагностике заболеваний легких. Различные характеристики заболеваний легких имеют разные характеристики звука дыхания. Разработана и обучена модель сверточной нейронной сети (СНС) с использованием набора данных о звуках дыхания пациентов – ICBHI. Эта нейронная сеть включена в состав системы «интернета вещей» (ИВ), включающей смартфон и сервер. В ходе эксперимента выполнен ввод звуков дыхания пациента (через смартфон), выделение признаков и их оптимизация. Для распознавания они поступают в сеть VGGish (VGG классификатор, расположенный на сервере). Результат выводился на смартфон. Система реализована на базе ОС Android. Результаты экспериментов показывают, что реализация предложенного алгоритма распознавания достигла точности классификации заболеваний, связанных со звуками дыхания 83%. |
| Alternative abstract: | Human breathing sounds play an important role in the diagnosis of lung diseases. Different pathological characteristics of lung diseases have different characteristics of the sound of breathing. A CNN (convolutional neural network) model was developed and trained using a data set on the breathing sounds of ICHI patients. This neural network is included in the Internet of Things (IoT) system, which includes a smartphone and a server. During the experiment, the patient's breathing was entered (via a smartphone), signs were isolated and optimized. For recognition, they are sent to the VGGish network (VGG classifier located on the server). The result was displayed on the smartphone. The system is implemented on the basis of Android OS. The experimental results show that the implementation of the proposed recognition algorithm has achieved 83% accuracy in the classification of diseases associated with breathing sounds. |
| URI: | https://libeldoc.bsuir.by/handle/123456789/61888 |
| Appears in Collections: | Публикации в изданиях Республики Беларусь |
| File | Description | Size | Format | |
|---|---|---|---|---|
| Vishnyakov_Set.pdf | 459.94 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.