$\require{mediawiki-texvc}$

연합인증

연합인증 가입 기관의 연구자들은 소속기관의 인증정보(ID와 암호)를 이용해 다른 대학, 연구기관, 서비스 공급자의 다양한 온라인 자원과 연구 데이터를 이용할 수 있습니다.

이는 여행자가 자국에서 발행 받은 여권으로 세계 각국을 자유롭게 여행할 수 있는 것과 같습니다.

연합인증으로 이용이 가능한 서비스는 NTIS, DataON, Edison, Kafe, Webinar 등이 있습니다.

한번의 인증절차만으로 연합인증 가입 서비스에 추가 로그인 없이 이용이 가능합니다.

다만, 연합인증을 위해서는 최초 1회만 인증 절차가 필요합니다. (회원이 아닐 경우 회원 가입이 필요합니다.)

연합인증 절차는 다음과 같습니다.

최초이용시에는
ScienceON에 로그인 → 연합인증 서비스 접속 → 로그인 (본인 확인 또는 회원가입) → 서비스 이용

그 이후에는
ScienceON 로그인 → 연합인증 서비스 접속 → 서비스 이용

연합인증을 활용하시면 KISTI가 제공하는 다양한 서비스를 편리하게 이용하실 수 있습니다.

주의집중 기반의 합성곱 양방향 게이트 순환 유닛을 이용한 코골이 소리 검출 방식
Snoring sound detection method using attention-based convolutional bidirectional gated recurrent unit 원문보기

한국음향학회지= The journal of the acoustical society of Korea, v.40 no.2, 2021년, pp.155 - 160  

김민수 (광운대학교 전자융합공학과) ,  이기용 (광운대학교 전자융합공학과) ,  김형국 (광운대학교 전자융합공학과)

초록
AI-Helper 아이콘AI-Helper

본 논문은 수면 무호흡 환자의 중요한 증상 중의 하나인 코골이 사운드 자동 검출 방식을 제안한다. 제안된 방식에서는 수면 중 발생하는 소리 신호를 입력받아 소리 발생 구간을 검출하고, 검출된 소리 구간으로부터 변환된 스펙트로그램을 주의집중 기반의 합성곱 양방향 게이트 순환 유닛 기반의 분류기에 적용하였다. 적용된 주의집중 메커니즘은 합성곱 양방향 게이트 순환 유닛 모델을 확장하여 코골이 소리에 대한 차별적 특징 표현을 학습함으로써 코골이 검출 성능을 향상시켰다. 실험 결과는 제안하는 코골이 검출 방식이 기존 방식보다 약 3.1 % ~ 5.5 %의 정확도 향상을 보여준다.

Abstract ▼ AI-Helper 아이콘AI-Helper

This paper proposes an automatic method for detecting snore sound, one of the important symptoms of sleep apnea patients. In the proposed method, sound signals generated during sleep are input to detect a sound generation section, and a spectrogram transformed from the detected sound section is appl...

주제어

#코골이 검출   #소리 발생 구간 검출   #주의집중 메커니즘   #합성곱 양방향 게이트 순환 유닛  

표/그림 (5)

참고문헌 (9)

  1. J. A. Fiz, J. Abad, R. Jane, M. Riera, M. A. Mananas, P. Caminal, D. Rodenstein, and J. Morera, "Acoustic analysis of snoring sound in patients with simple snoring and obstructive sleep apnoea," Eur. Respir. J. 9, 2365-2370 (1996). 

    상세보기 crossref

  2. J. Sola-Soler, R. Jane, J. A. Fiz, and J. Morera, "Spectral envelope analysis in snoring signals from simple snorers and patients with obstructive sleep apnea," Proc. IEEE-EMBS, 3, 2527-2530 (2003). 

  3. J. Kim, T. Kim, D. Lee, J. W. Kim, and K. Lee, "Exploiting temporal and nonstationary features in breathing sound analysis for multiple obstructive sleep apnea severity classification," Biomed. Eng. Online. 16, 1-18 (2017). 

    상세보기 crossref

  4. B. Arsenali, J. V. Dijk, O. Ouweltjes, B. D. Brinker, D. Pervernagie, R. Krijn, M. V. Gilst, and S. Overeem, "Recurrent neural network for classification of snoring and non-snoring sound events," Proc. 40th Ann. Int. Conf. IEEE EMBC. 328-331 (2018). 

  5. S. J. Lim, S. J. Jang, J. Y. Lim, and J. H. Ko, "Classification of snoring sound based on a recurrent neural network," Expert Syst. Appl. 123, 237-245 (2019). 

    상세보기 crossref

  6. F. Vesperini, L. Romeo, E. Principi, A. Monteriu, and S. Squartini, "Convolutional recurrent neural networks and acoustic data augmentation for snore detection," Neural Approaches to Dynamics of Signal Exchanges, 151, 35-46 (2020). 

    crossref

  7. Z. Zhang, S. Xu, S. Zhang, T. Qiao, and S. Cao, "Attention based convolutional recurrent neural network for environmental sound classification," Proc. PRCV. 261-271 (2019). 

  8. S. H. Ryu and H. G. Kim, "Audio mixer algorithm for enhancing speech quality of multi-party audio telephony" (in Korea), J. Acoust. Soc. Kr. 32, 541-547 (2013). 

    원문보기 상세보기 crossref

  9. D. P. Kingma and J. Ba. "Adam: a method for stochastic optimization," arXiv preprint arXiv: 1412.6980 (2014). 

저자의 다른 논문 :

관련 콘텐츠

오픈액세스(OA) 유형

GOLD

오픈액세스 학술지에 출판된 논문

저작권 관리 안내
섹션별 컨텐츠 바로가기

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

AI-Helper 아이콘
AI-Helper
안녕하세요, AI-Helper입니다. 좌측 "선택된 텍스트"에서 텍스트를 선택하여 요약, 번역, 용어설명을 실행하세요.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.

선택된 텍스트

맨위로