view in publisher's site

ExhaleSense: Detecting High Fidelity Forced Exhalations to Estimate Lung Obstruction on Smartphones

Spirometry is the gold standard to measure lung functions by estimating the maximum air an individual can forcefully exhale as quickly as possible. It is used not only to diagnose lung diseases such as asthma, chronic obstructive pulmonary disease (COPD) but also to assess the severity of the pulmonary condition. However, spirometry requires a specialized device called spirometer, which is mostly available in clinical facilities and cumbersome to use. Recent works have shown the feasibility of using smartphone microphone to estimate lung functions from forced exhalation effort sounds. However, maintaining the fidelity of lung function estimation on smartphones becomes challenging in unsupervised field environment in presence of other sounds such as coughs, deep inhalation, regular breathing, and speech. In this paper, we present ExhaleSense that detects forced exhalation efforts on smartphones from audio time-series data, distinguishes high fidelity efforts from poor efforts, and estimates lung obstruction. By conducting three studies with 211 pulmonary patients and healthy subjects, we show that ExhaleSense can detect forced exhalation sounds with 96.74% F1-score and estimate lung obstruction with mean absolute error as low as 7.57%. ExhaleSense shifts the gear of smartphone spirometry research from feasibility to ensuring effort quality towards high fidelity lung function estimation in unsupervised field settings.

ExhaleSense: کشف وفاداری بالا اجباری برای برآورد Obstruction ریه بر روی Smartphones

Spirometry یک استاندارد طلایی برای اندازه‌گیری عملکرد شش با برآورد حداکثر هوا است که فرد می‌تواند هر چه سریع‌تر آن را تنفس کند. این بیماری نه تنها برای تشخیص بیماری‌های ریوی از قبیل آسم، بیماری‌های عفونی مزمن ریوی (COPD)و نیز ارزیابی شدت شرایط ریوی استفاده می‌شود. با این حال، spirometry به یک دستگاه تخصصی به نام spirometer نیاز دارد که بیشتر در تسهیلات بالینی و cumbersome کاربرد دارد. کاره‌ای اخیر امکان استفاده از میکروفن گوشی هوشمند برای تخمین عملکردهای شش را از طریق حرکات اجباری و دفع اجباری نشان داده‌اند. با این حال، حفظ وفاداری عملکرد ریه بر روی گوشی‌های هوشمند در محیط‌های میدان بدون نظارت در حضور صداهای دیگر مانند سرفه، نفس عمیق، تنفس منظم و سخن گفتن به چالش کشیده می‌شود. در این مقاله، ما ExhaleSense را ارایه می‌کنیم که تلاش‌های دفع اجباری در تلفن‌های هوشمند را از داده‌های سری زمانی صدا شناسایی می‌کند، تلاش‌های وفاداری بالا را از تلاش‌های ضعیف تشخیص می‌دهد و مانع ریه می‌شود. با انجام سه مطالعه با ۲۱۱ بیمار ریوی و موضوعات سالم، نشان می‌دهیم که ExhaleSense می‌تواند صداهای exhalation را با ۹۶.۷۴ % F۱ - نمره و برآورد شش ریه با خطای مطلق متوسط تا as % تشخیص دهد. ExhaleSense به منظور حصول اطمینان از کیفیت تلاش در جهت تخمین عملکرد ریه با وفاداری بالا در تنظیمات میدان بدون نظارت، تجهیزات تحقیق spirometry هوشمند را از امکان پذیر ساخت.
ترجمه شده با

سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.