Classification of Lung Sounds during Bronchial Provocation Using Waveform Fractal Dimensions
Notice bibliographique
Résumé
Lung sounds (LS) of children after bronchoconstriction should differ from baseline LS in terms of amplitude and pattern characteristics. To test these hypotheses, time-domain and fractal based analyses have been applied to LS acquired from eight children ages 9-15 y pre- and post-methacholine challenge (MCh). Change in forced expiratory volume in 1 s after MCh ranged from -4% to -37%, with change proportional to severity of bronchoconstriction. Sounds were recorded over the posterior right lower lung lobe while subjects breathed normally for 60 s with flow measurement, and during 10 s of breath hold (BH). From root-mean-square (RMS) of LS and BH signals, signal-to-noise ratio (SNR) was determined. Two fractal dimension (FD) algorithms were applied, based on signal variance and morphology. Feature vectors for 1-nearest-neighbor classification contained FD and RMS values within flow plateau ranges. Results for LS within 75-600 Hz indicate that the combination of RMS-SNR and morphology-based FD values offers better classification of bronchoconstriction with LS, relative to using RMS-SNR with variance-based FDs and RMS-SNR alone. True positive classification was 90.3%, 63.5% and 58.3% respectively, and false positive classification was 23.4%, 24.9% and 26.1% respectively. Both RMS-SNR and FD values provide useful insight into LS changes post-bronchoconstriction.
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 | 0,000 |
| 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) | 0,000 | 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 ».