Методы машинного обучения для исследования звуков легких

Abstract

В статье рассматриваются основные методы машинного обучения с целью применения их к задаче классификации звуков легких. На основе базы звуков легких был получен ряд параметров сигналов. Задачей исследования было провести классификацию звуков при помощи пяти различных методов машинного обучения, а также определить из ряда параметров сигналов теиз них, которые дают в конечном счете наивысшую точность. Таким образом было найдено семь наиболее диагностически ценных параметров звуков дыхания и выявлено, что два метода машинного обучения - метод опорных векторов и метод дерева принятия решений - показали наилучшие результаты. Таким образом, данная методика классификации может служить вспомогательным инструментом для врача-пульмонолога в постановке диагноза. Библ. 18, табл. 5.

Keywords

• звуки легких
• машинное обучение
• классификатор
• метод опорных векторов
• метод дерева принятия решений