지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최근호
- 발행연도
- 2023
- 저작권
- 한밭대학교 논문은 저작권에 의해 보호받습니다.
이용수21
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
2019년 11월 중국 우한시에서 발병한 코로나19는 2020년 중국을 넘어 세계
로 퍼져나가 2020년 3월에는 전 세계적으로 확산되었다. 코로나19와 같이 전
염성이 강한 바이러스는 예방과 확진시 적극적인 치료도 중요하지만 우선
전파 속도가 빠른 바이러스인 점을 감안할 때, 확진 사실을 재빠르게 파악하
여 전파를 차단하는 것이 더욱 중요하다. 그러나 감염여부를 확인하기 위한
PCR검사는 비용과 시간이 많이 소요되고, 자가키트검사 또한 접근성은 쉽지
만 매번 수시로 받기에는 키트의 가격이 부담이 될 수밖에 없는 실정이다. 이러한 상황에서 기침소리를 기반으로 코로나19 양성 여부를 판단할 수 있
게 된다면 누구나 쉽게 언제, 어디서든 확진여부를 체크할 수 있어 신속성과
경제성 측면에서 큰 장점을 가질 수 있을 것이다. 따라서 본 연구는 기침소
리를 기반으로 코로나19 확진 여부를 식별할 수 있는 분류 모델을 개발하는
것을 목적으로 하였다. 이를 위해, 본 연구에서는 먼저 MFCC,
Mel-Spactrogram, Spectral contrast 등을 통해 기침소리의 feature를 추출하
였다. 이 때, 기침소리의 품질을 위해 SNR를 통해 잡음이 많은 데이터는 삭
제하였고, chunk를 통해 음성파일에서 기침소리만 추출하였다. 이후, 추출된
기침소리의 feature를 이용하여 코로나 양성과 음성을 분류하기 위한 모델을
- vi -
구축하였으며, XGBoost, LightGBM, FCNN 알고리즘을 통해 모델 학습을
수행하고 각 알고리즘별 성능을 비교하였다. 또한 대상 데이터셋인 코로나
양성, 음성 데이터는 매우 불균형하게 구성되어 있었기에, 본 연구에서는 이
상치 판별에 많이 사용되고 있는 Autoencoder와 IsolationForest 알고리즘을
이용한 분류 모델도 구축하였다. 마지막으로 다양한 관점의 연구를 위해, 기
침소리 feature 추출 시 사용한 MFCC, Mel-Spactrogram, Spectral contrast는
다차원벡터와 이미지로 feature를 생성하여 성능을 비교하였다.
로 퍼져나가 2020년 3월에는 전 세계적으로 확산되었다. 코로나19와 같이 전
염성이 강한 바이러스는 예방과 확진시 적극적인 치료도 중요하지만 우선
전파 속도가 빠른 바이러스인 점을 감안할 때, 확진 사실을 재빠르게 파악하
여 전파를 차단하는 것이 더욱 중요하다. 그러나 감염여부를 확인하기 위한
PCR검사는 비용과 시간이 많이 소요되고, 자가키트검사 또한 접근성은 쉽지
만 매번 수시로 받기에는 키트의 가격이 부담이 될 수밖에 없는 실정이다. 이러한 상황에서 기침소리를 기반으로 코로나19 양성 여부를 판단할 수 있
게 된다면 누구나 쉽게 언제, 어디서든 확진여부를 체크할 수 있어 신속성과
경제성 측면에서 큰 장점을 가질 수 있을 것이다. 따라서 본 연구는 기침소
리를 기반으로 코로나19 확진 여부를 식별할 수 있는 분류 모델을 개발하는
것을 목적으로 하였다. 이를 위해, 본 연구에서는 먼저 MFCC,
Mel-Spactrogram, Spectral contrast 등을 통해 기침소리의 feature를 추출하
였다. 이 때, 기침소리의 품질을 위해 SNR를 통해 잡음이 많은 데이터는 삭
제하였고, chunk를 통해 음성파일에서 기침소리만 추출하였다. 이후, 추출된
기침소리의 feature를 이용하여 코로나 양성과 음성을 분류하기 위한 모델을
- vi -
구축하였으며, XGBoost, LightGBM, FCNN 알고리즘을 통해 모델 학습을
수행하고 각 알고리즘별 성능을 비교하였다. 또한 대상 데이터셋인 코로나
양성, 음성 데이터는 매우 불균형하게 구성되어 있었기에, 본 연구에서는 이
상치 판별에 많이 사용되고 있는 Autoencoder와 IsolationForest 알고리즘을
이용한 분류 모델도 구축하였다. 마지막으로 다양한 관점의 연구를 위해, 기
침소리 feature 추출 시 사용한 MFCC, Mel-Spactrogram, Spectral contrast는
다차원벡터와 이미지로 feature를 생성하여 성능을 비교하였다.
목차
등록된 정보가 없습니다.
최근 본 자료
댓글(0)
0