Classification of adventitious respiratory sounds through histogram of oriented gradients

Abstract

Las enfermedades respiratorias representan una de las principales causas de muerte en el mundo. La prevención, el diagnóstico oportuno y el tratamiento efectivo son pilares fundamentales para reducir la propagación de enfermedades, así como su impacto negativo en la sociedad. El presente trabajo está enfocado en desarrollar un modelo computacional, a través del uso del algoritmo Histograma de Gradientes Orientados (HOG) en conjunto con técnicas de aprendizaje de máquina, capaz de clasificar sonidos respiratorios adventicios; para apoyar en el diagnóstico oportuno de enfermedades respiratorias. Para ello, se propone utilizar al HOG como extractor de características, el cual no ha sido explorado en la literatura actual sobre la clasificación de sonidos respiratorios. De igual manera, se plantea usar distintos algoritmos de aprendizaje de máquina, como: Máquina de Soporte Vectorial (SVM), K-Vecinos más Cercanos (KNN) y Bosques Aleatorios (RF). Asimismo, evaluar el modelo según el marco de trabajo proveído por la base de datos ICBHI17. La principal contribución del presente trabajo es el análisis de diferentes configuraciones del histograma de gradientes orientados para optimizar los modelos de aprendizaje de máquina. En donde, después de una serie de experimentos, nuestro mejor modelo surgió con la configuración Alternativa 4 (ALT 4); que obtuvo como resultados: 55.07% ACC, 34.37% BAL, 51.52% SCC, 75.87% SPE y 27.18% SEN.