
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor.author | MEZA, CARLOS ALBERTO GALINDO | - |
| Autor(es): dc.contributor.author | ONTIVEROS, JUAN A. DEL HOYO | - |
| Autor(es): dc.contributor.author | ORTEGA, JOSE I. TORRES | - |
| Data de aceite: dc.date.accessioned | 2022-07-05T14:47:09Z | - |
| Data de disponibilização: dc.date.available | 2022-07-05T14:47:09Z | - |
| Data de envio: dc.date.issued | 2022-07-01 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/705034 | - |
| Resumo: dc.description.abstract | Due to the COVID-19 worldwide pandemic situation, automatic audio classification research has been of interest for analysis of respiratory sounds. Several deep learning approaches have shown promising performance for distinguishing COVID-19 in respiratory cycles. In this work we explored the usage of transfer learning from a pre-trained end-to-end deep-learning based audio embeddings generator named AemResNet, applied to the classification of respiration and coughing sounds into healthy or COVID-19. We experimented with the publicly available large-scale Cambridge Crowdsourced dataset of respiratory sounds collected to aid diagnosis of COVID-19. Our presented work focuses into 3 experimental tasks: 1) detection of COVID-19 from a combination of breath and cough sounds, 2) detection of COVID-19 from breath sounds only, and 3) detection of COVID-19 from cough sounds only. The experimental results obtained over this respiratory dataset show that a pre-trained audio embedding generator achieves competitive performance compared to the recent published state-of-the-art. | pt_BR |
| Idioma: dc.language.iso | en | pt_BR |
| Palavras-chave: dc.subject | COVID-19 | pt_BR |
| Título: dc.title | Detection of COVID-19 in Respiratory Sounds using End-to-End Deep Audio Embeddings (Atena Editora) | pt_BR |
| Tipo de arquivo: dc.type | livro digital | pt_BR |
| Aparece nas coleções: | Livros digitais | |
| Arquivos associados: | ||||
|---|---|---|---|---|
| Detection.pdf | 217,71 kB | Adobe PDF | /bitstream/capes/705034/1/Detection.pdfDownload |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: