使用机器学习进行元音分割以对慢性阻塞性肺疾病进行分类
2024年11月22日 更新者：Blekinge Institute of Technology
这项工作旨在评估从 COPD 患者和健康对照组收集的元音记录的分割是否可以提高机器学习技术的分类精度。
研究概览
详细说明
有关性别和年龄的语音数据和社会人口统计数据将通过 Voice Diagnostic 公司的“VoiceDiganostic”应用程序收集。 收集到的元音录音将被分段并进行测试，以确定某些片段是否包含更多用于区分 COPD 与健康对照组的信息。
每个片段都将被转换成称为语音特征的数学声音测量。 将为每个细分构建由语音特征以及人口统计和健康数据组成的数据集，进而使用多种机器学习算法评估分类性能。
将对包含输入数据信息和机器学习算法获得结果的属性进行描述性统计分析。 所取得的结果将以汇总表和图表的形式呈现。
研究类型
观察性的
注册 (实际的)
68
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Blekinge
-
Karlskrona、Blekinge、瑞典、37179
- Blekinge Institute of Technology
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
- 成人
- 年长者
接受健康志愿者
是的
取样方法
非概率样本
研究人群
数据将从 18 岁及以上、患有或未患有慢性阻塞性肺病 (COPD) 诊断的参与者中收集。
描述
纳入标准：
- 年满 18 岁。
排除标准：
- 未满 18 岁或以上。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
队列和干预
团体/队列 |
干预/治疗 |
|---|---|
|
慢性阻塞性肺病
30 名慢性阻塞性肺病参与者，其中 16 名女性和 14 名男性。
|
由来自 COPD 和 HC 组的信息组成的元音分割数据集将用于试验多种机器学习技术对元音记录的不同片段的分类性能。
其他名称：
|
|
HC
38 名 HC 参与者，其中 20 名女性和 18 名男性。
|
由来自 COPD 和 HC 组的信息组成的元音分割数据集将用于试验多种机器学习技术对元音记录的不同片段的分类性能。
其他名称：
|
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
分类性能
大体时间：30周
|
ML 算法在每个分段上的二元分类性能。
|
30周
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
调查人员
- 首席研究员：Johan Sanmartin Berglund, MD, PhD、Blekinge Institute of Technology
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2023年11月28日
初级完成 (实际的)
2024年10月30日
研究完成 (估计的)
2024年11月30日
研究注册日期
首次提交
2023年11月28日
首先提交符合 QC 标准的
2023年12月5日
首次发布 (实际的)
2023年12月7日
研究记录更新
最后更新发布 (估计的)
2024年11月25日
上次提交的符合 QC 标准的更新
2024年11月22日
最后验证
2024年11月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.