| Revista: | Científica (México, D.F.) |
| Base de datos: | |
| Número de sistema: | 000594558 |
| ISSN: | 1665-0654 |
| Autores: | Pacheco Torres, Luis1 Miranda Vega, Jesús E.1 Quintero Rosas, Verónica1 Díaz Escobar, Julia1 Camarillo Ramos, Mario A.1 |
| Instituciones: | 1Tecnológico Nacional de México, Instituto Tecnológico de Mexicali, |
| Año: | 2024 |
| Volumen: | 28 |
| Número: | 1 |
| Paginación: | 1-13 |
| País: | México |
| Idioma: | Español |
| Resumen en inglés | Respiratory diseases represent one of the leading causes of death in the world. Prevention, timely diagnosis and effective treatment are fundamental pillars to reduce the spread of diseases as well as their negative impact on society. The present work is focused on developing a computational model, through the use of the Histogram of Oriented Gradients (HOG) algorithm in conjunction with machine learning techniques, capable of classifying adventitious respiratory sounds; to support the timely diagnosis of respiratory diseases. For this purpose, it is proposed to use the HOG as a feature extractor, which has not been explored in the current literature on the classification of respiratory sounds. Similarly, it is proposed to use different machine learning algorithms, such as: Support Vector Machine (SVM), K-Nearest Neighbors (KNN) and Random Forests (RF). In addition, evaluate the model according to the framework provided by the ICBHI17 database. The main contribution of the present work is the analysis of different configurations of the histogram of oriented gradients for optimizing machine learning models. Where, after a series of experiments, our best model emerged with the Alternative 4 (ALT 4) configuration; which obtained as results: 55.07% ACC, 34.37% BAL, 51.52% SCC, 75.87% SPE and 27.18% SEN. |
| Resumen en español | Las enfermedades respiratorias representan una de las principales causas de muerte en el mundo. La prevención, el diagnóstico oportuno y el tratamiento efectivo son pilares fundamentales para reducir la propagación de enfermedades, así como su impacto negativo en la sociedad. El presente trabajo está enfocado en desarrollar un modelo computacional, a través del uso del algoritmo Histograma de Gradientes Orientados (HOG) en conjunto con técnicas de aprendizaje de máquina, capaz de clasificar sonidos respiratorios adventicios; para apoyar en el diagnóstico oportuno de enfermedades respiratorias. Para ello, se propone utilizar al HOG como extractor de características, el cual no ha sido explorado en la literatura actual sobre la clasificación de sonidos respiratorios. De igual manera, se plantea usar distintos algoritmos de aprendizaje de máquina, como: Máquina de Soporte Vectorial (SVM), K-Vecinos más Cercanos (KNN) y Bosques Aleatorios (RF). Asimismo, evaluar el modelo según el marco de trabajo proveído por la base de datos ICBHI17. La principal contribución del presente trabajo es el análisis de diferentes configuraciones del histograma de gradientes orientados para optimizar los modelos de aprendizaje de máquina. En donde, después de una serie de experimentos, nuestro mejor modelo surgió con la configuración Alternativa 4 (ALT 4); que obtuvo como resultados: 55.07% ACC, 34.37% BAL, 51.52% SCC, 75.87% SPE y 27.18% SEN. |
| Palabras clave: | Histograma de gradientes orientados, sonidos respiratorios adventicios, transformada de Fourier de tiempo corto, transformada continua en ondículas |
| Keyword: | Histogram of oriented gradients, adventitious respiratory sounds, short time Fourier transform, continuous wavelet transform |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
