DeepCOPD: COPD-Erkennung mittels Deep Learning
Versandkostenfrei!
Versandfertig in 6-10 Tagen
43,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In diesem Beitrag wird DeepCOPD vorgestellt, ein innovativer Deep-Learning-Ansatz für die genaue Erkennung von chronisch obstruktiven Lungenerkrankungen (COPD) mithilfe der Atemgeräuschanalyse. Der vorgeschlagene Ansatz nutzt ein Convolutional Neural Network (CNN)-Modell, das auf einer Atemgeräuschdatenbank trainiert wurde, die Keuchen, Knistern und sowohl Knistern als auch Keuchen enthält. Um die Herausforderung eines kleinen Datensatzes zu bewältigen, werden innovative Techniken wie gerätespezifisches Feintuning, konkatenationsbasierte Augmentation, Beschneidung von Leerbereichen und i...
In diesem Beitrag wird DeepCOPD vorgestellt, ein innovativer Deep-Learning-Ansatz für die genaue Erkennung von chronisch obstruktiven Lungenerkrankungen (COPD) mithilfe der Atemgeräuschanalyse. Der vorgeschlagene Ansatz nutzt ein Convolutional Neural Network (CNN)-Modell, das auf einer Atemgeräuschdatenbank trainiert wurde, die Keuchen, Knistern und sowohl Knistern als auch Keuchen enthält. Um die Herausforderung eines kleinen Datensatzes zu bewältigen, werden innovative Techniken wie gerätespezifisches Feintuning, konkatenationsbasierte Augmentation, Beschneidung von Leerbereichen und intelligentes Auffüllen eingesetzt. Diese Techniken ermöglichen eine effiziente Nutzung des Datensatzes, was zu einer beeindruckenden Genauigkeit von 90 bis 95 % führt. Die Implementierung umfasst eine App mit einer benutzerfreundlichen Oberfläche, die mit HTML, CSS, Flask und Heroku entwickelt wurde. Durch die Nutzung von Deep Learning und der Analyse von Atemgeräuschen bietet die App eine vielversprechende Lösung für die genaue Erkennung von COPD und stellt einen bedeutenden Fortschritt bei der Überwachung der Atemwegsgesundheit dar. Nutzer können Atemgeräusche zur COPD-Erkennung in die App hochladen, um die Frühdiagnose zu verbessern und die Ergebnisse für die Patienten zu erhöhen.
Andere Kunden interessierten sich für
