Core Concepts
本研究では、肺音と肺疾患を同時に分類するための新しい多タスク学習アプローチを提案する。
Abstract
本研究では、肺音と肺疾患の同時分類のための多タスク学習アプローチを提案している。
肺音データセットであるICBHI 2017 Respiratory Sound Databaseを使用した。
肺音特徴量としてMel Frequency Cepstral Coefficients (MFCC)を抽出した。
4つの深層学習モデル(2D CNN、ResNet50、MobileNet、DenseNet)を用いて多タスク学習を行い、肺音と肺疾患の同時分類を実現した。
MobileNetモデルが最も高い分類精度を示し、肺音74%、肺疾患91%の精度を達成した。
多タスク学習により、個別の肺音と肺疾患分類に比べて学習時間が大幅に短縮された。
さらに、患者の年齢、性別、BMIなどの人口統計学的データを用いて、慢性閉塞性肺疾患(COPD)のリスクレベルを予測するモデルを構築した。
ランダムフォレストモデルが最も高い92%の精度でCOPDのリスクレベルを予測した。
本研究の成果は、医療現場での肺疾患診断の支援に役立つと期待される。
Stats
年齢が65歳以上の女性は、COPDのリスクが非常に高い。
年齢が65歳以上の男性は、COPDのリスクが高い。
年齢が50-64歳の男女は、COPDのリスクが中程度である。
年齢が35-49歳の男女は、COPDのリスクが低い。
Quotes
「女性はCOPDの症状が非常に強く、男性患者に比べて肺発作のリスクが著しく高い。そのため、女性患者に対しては、より積極的な薬物療法や非薬物療法を行う必要がある」 - D. Sin教授(ブリティッシュコロンビア大学)
「女性のCOPD有病率が男性に迫ってきており、気道疾患がこの傾向の一部を説明しているかもしれない」 - Surya Bhatt教授(アラバマ大学バーミンガム校)