지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 김성범
- 발행연도
- 2022
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수10
이 논문의 연구 히스토리 (3)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
최근 호흡음 데이터 분석을 기반으로 호흡기 질환 진단을 돕기 위한 연구가 많은 주목을 받고 있다. 하지만, 호흡기 질환은 정량적인 평가가 아닌 이상 호흡음 소리 특성을 이용한 의사의 주관적인 판단으로 진단된다는 문제가 있다. 기존 연구들은 머신러닝 알고리즘을 이용해 의사의 호흡기 질환 진단에 도움을 주기 위해 노력했지만, 여전히 이상 호흡음의 소리 특성을 제공해주지 못하기 때문에 실제 의사 진단에 도움을 주기에는 한계가 있다. 본 연구에서는 계층적 어텐션 네트워크 모델을 이용한 이상 호흡음 분석 방법론을 제안하고자 한다. 계층적 어텐션 네트워크는 호흡음의 구조적 특성을 반영하고, 호흡음의 중요 특성을 시각적으로 제공할 수 있다. 실험을 통해서 기존 방법론들과 비교해 높은 이상 호흡음 정확도를 보일 뿐만 아니라, 어텐션 메커니즘을 통해 이상 호흡음 소리 특성 정보를 시각적으로 제공할 수 있음을 확인하였다. 본 연구를 통해서 의료 현장에서 의사 진단에 도움을 줄 수 있을 뿐만 아니라, 향후 새로운 호흡기 질환에 대한 연구에도 도움이 될 수 있을 것이라 기대한다.
목차
1. 서론 12. 관련 연구 62.1. ICBHI 2017 Challenge 72.2. Deep Learning Algorithm for Respiratory Sound 93. 제안 방법론 113.1. Data Preprocessing and Feature Extraction 113.2. Hierarchical Attention Network based Feature of Sound Data Approach 154. 실험 결과 254.1. 데이터 소개 264.2. 실험 설정 274.3. 평가 지표 274.4. 실험 결과 284.4.1. 분류 성능 평가 284.4.2. 어텐션 스코어 시각화 315. 결론 386. 참고 문헌 41
최근 본 자료
댓글(0)
0