Respiratory Sound Database 유효성 분석

기존 HCSLAB 폐음 연구팀에서 사용하던 데이터의 질이 좋지 않아 다른 폐음 데이터셋을 찾던 와중 ICBHI Respiratory Sound Database (The Respiratory Sound database - ICBHI 2017 Challenge)을 발견했다. 폐음 연구 분야에서는 유명한 데이터셋이고 Kaggle에서도 여러 사람들이 활발히 분석을 해놓은 게 많아서 우리 연구에도 쓸 수 있을지 그 결과를 보고자 한다.

알고자 하는 건 2개다.

Dataset에서 wheeze와 crackle을 분류할 수 있는지
1번과의 연관성 유무에 상관없이, 질병과 폐음 사이에 연관성이 있는지

Respiratory Sound Database

본 데이터는 원본 dataset 중 일부이다. 아쉽지만 기존 데이터 중 어떤 근거로 이 부분만 골라왔는지에 대한 설명이 없다.

요약

Contents 개요

126명 대상 (어린이, 성인, 노인 등 전연령대)
920개 .wav sound files
920개 annotation .txt files
각 환자별 질병 설명 .txt files

수집 기기

AKG C417L Microphone (AKGC417L)
3M Littmann Classic II SE Stethoscope (LittC2SE)
3M Litmmann 3200 Electronic Stethoscope (Litt3200)
WelchAllyn Meditron Master Elite Electronic Stethoscope (Meditron)

질병 종류 및 숫자

Disease	Num of People
COPD (만성폐쇄성폐질환)	64
Healthy	26
URTI (상기도감염)	14
Bronchiectasis (기관지 확장증)	7
Bronchiolitis (모세기관지염)	6
Pneumonia (폐렴)	2
Asthma (천식)	1

Chest Location

a. Trachea (Tc)
b. Anterior left (Al)
c. Anterior right (Ar)
d. Posterior left (Pl)
e. Posterior right (Pr)
f. Lateral left (Ll)
g. Lateral right (Lr)

CNN: Detection of wheezes and crackles

Overview

wheeze와 crackle을 식별하는 CNN 구현에 관한 코드. crackle 감지는 평이한데, wheeze와 wheeze & crackle이 같이 있는 소리의 경우 분류의 정확도가 비교적 낮음. 전반적인 검증 정확도는 약 70%.

Accuracy and Loss about detection of wheezes and crackles.png

Result of detection of wheezes and crackles.png

iteration을 돌려도 Loss가 불규칙하게 튀는 이유가 뭔지 모르겠다. 정확도도 그리 높은 편은 아니라서 추후 연구할 때 wheeze와 crackle을 학습하는 용도로는 부적하지 않을까 생각 중. 폐음이 측정 위치에 따라 소리의 질 차이가 큰데 본 코드에서는 위치에 상관없이 cnn 모델에 학습을 시켜서 이런 결과가 나오지 않았나 추측 중. d, e 구역에서 측정한 wav 파일이 뚜렷하게 잘 들리므로 이것들만 학습을 시켜서 다시 테스트 해볼 필요는 있어보임.

CNN: Disease Classification, Linked Features (95%)

Overview

음성 데이터를 기반으로 질병을 식별하는 CNN 구현에 관한 코드. 식별이 잘되는 편, 정확도는 95%, loss는 0.2.

Accuracy and Loss about disease claaification.png

질병 종류 중 가장 많이 있는 상위 6개의 class에 한해서 학습 및 테스트함. 오른쪽 자료를 보면, COPD를 제외한 다른 질병에 대한 학습 데이터 수가 너무나도 적어서 유의미한 데이터라고는 보기 힘들 것 같음.

생각해볼 것들

COPD를 제외한 다른 질병에 대한 음성 파일이 너무 적은 것 같다. 본 데이터만으로 CNN 모델을 학습시키기에는 부적절하다고 생각이 들고, 원본 데이터셋에 질병별로 음성 파일이 골고루 있는지 확인해볼 필요가 있어보인다. 또 원본 데이터셋에 대한 Benchmark가 있는데 이것들에 대해 알아보는 것도 좋을 것 같다.