Smartphone-basierte Hustenerkennung – Auf dem Weg zu einem digitalen Biomarker für chronische Atemwegserkrankungen
Type
conference poster
Date Issued
2021-01-13
Author(s)
Abstract (De)
Thema: Husten ist das häufigste Symptom, bei dem Personen ärztlichen Rat suchen. Die gewöhnliche Erkältung stellt die bekannteste Ursache dar. Darüber hinaus sind steigende Hustenraten mit einer Verschlechterung des Gesundheitszustands bei Krankheiten wie Asthma und COPD assoziiert. Infolgedessen wurden viele Anstrengungen unternommen, um ein objektives Mass für Husten zu schaffen. Bis heute gibt es jedoch keine standardisierte Methode, und es gibt keinen ausreichend validierten generischen Hustenmonitor, der im Handel erhältlich und klinisch akzeptabel ist.
Zielsetzung: Ziel dieses Projekts ist es, die Smartphone-basierte Hustenerkennung über 24 Stunden bei 22 COPD-Patienten zu validieren und die erkannten Hustenzahlen mit menschlichen Annotatoren zu vergleichen.
Methode: Für das Android-Betriebssystem wurde eine App zur Hustenerkennung entwickelt. Die Detektion des Hustens basiert auf einen Ensemble-Klassifikator von fünf Convolutional Neural Networks. Die App fungiert auch als Audiorecorder, sodass die Erkennung anschliessend verifiziert werden kann. Zusätzlich werden Hustendetektionen an einen Studienserver gesendet und können in Echtzeit über einen Web-Client verfolgt werden.
Ergebnisse: Für das Trainieren von Hustenklassifikationsmodellen wurden Audiodaten von 94 Erwachsenen mit Asthma (57% Frauen, Durchschnittsalter 43 Jahre) verwendet, die über 29 Nächte aufgezeichnet wurden. Insgesamt wurden 704.697 Geräusche benutzt, von denen 30.304 als Husten identifiziert wurden. Der Ensemble-Klassifikator wurde vor der Studie auf dem PC evaluiert und schnitt mit einem Matthews-Korrelationskoeffizienten von 94.4% ab. Ob diese Ergebnisse auf dem Smartphone mit COPD Patienten im Krankenhauszimmer oder zu Hause reproduzierbar sind, wird in diesem Projekt erforscht.
Fazit: Smartphone-basierte Hustenerkennung kann einen skalierbaren, kostengünstigen Marker für chronische Atemwegserkrankungen liefern.
Zielsetzung: Ziel dieses Projekts ist es, die Smartphone-basierte Hustenerkennung über 24 Stunden bei 22 COPD-Patienten zu validieren und die erkannten Hustenzahlen mit menschlichen Annotatoren zu vergleichen.
Methode: Für das Android-Betriebssystem wurde eine App zur Hustenerkennung entwickelt. Die Detektion des Hustens basiert auf einen Ensemble-Klassifikator von fünf Convolutional Neural Networks. Die App fungiert auch als Audiorecorder, sodass die Erkennung anschliessend verifiziert werden kann. Zusätzlich werden Hustendetektionen an einen Studienserver gesendet und können in Echtzeit über einen Web-Client verfolgt werden.
Ergebnisse: Für das Trainieren von Hustenklassifikationsmodellen wurden Audiodaten von 94 Erwachsenen mit Asthma (57% Frauen, Durchschnittsalter 43 Jahre) verwendet, die über 29 Nächte aufgezeichnet wurden. Insgesamt wurden 704.697 Geräusche benutzt, von denen 30.304 als Husten identifiziert wurden. Der Ensemble-Klassifikator wurde vor der Studie auf dem PC evaluiert und schnitt mit einem Matthews-Korrelationskoeffizienten von 94.4% ab. Ob diese Ergebnisse auf dem Smartphone mit COPD Patienten im Krankenhauszimmer oder zu Hause reproduzierbar sind, wird in diesem Projekt erforscht.
Fazit: Smartphone-basierte Hustenerkennung kann einen skalierbaren, kostengünstigen Marker für chronische Atemwegserkrankungen liefern.
Language
English
HSG Classification
contribution to scientific community
HSG Profile Area
SoM - Business Innovation
Event Title
Fachtagung Chronisch krank in der digitalen Welt
Event Location
online via Zoom
Event Date
13. Januar 2021
Division(s)
Eprints ID
261822
File(s)![Thumbnail Image]()
open.access
Name
20210113-chronisch-krank-fachtagung-Husten.pdf
Size
94.96 KB
Format
Adobe PDF
Checksum (MD5)
7d12d866e626414ac59b96d2245ffb4a