Analysis and Classification of Swallowing Sounds Using Reconstructed Phase Space Features
Notice bibliographique
Résumé
The paper presents a quantitative analysis of swallowing sounds in normal and dysphagic subjects based on nonlinear dynamics metric tools. In addition, an automated method is proposed to identify patients at risk of dysphagia. Multidimensional phase space representation of the swallowing sound was reconstructed using Takens method of delays. Rosenstein and false nearest neighbor (FNN) methods were employed to evaluate the optimum time delay and proper embedding dimension, respectively. A Grassberger-Procaccia algorithm was utilized to calculate the correlation dimension as a measure of the complexity of the reconstructed attractor. The analysis demonstrated the low-dimensional dynamic characteristics of normal and dysphagic swallowing sounds. The optimum time delay and correlation dimension of the opening and transmission phases of swallowing sounds were used as features for a 3-nearest neighbor classifier to identify individuals at risk of dysphagia. The method was applied to tracheal sound recordings of 15 healthy subjects and 11 patients with some degree of dysphagia. The algorithm was able to classify 83% of swallows correctly. Finally, a screening algorithm was used which correctly classified 24 out of 26 subjects. This study suggests that nonlinear analysis is a promising tool for quantitative analysis of swallowing sounds and swallowing disorders.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».