CovidCoughNet: A new method based on convolutional neural networks and deep feature extraction using pitch-shifting data augmentation for covid-19 detection from cough, breath, and voice signals

Çelik, Gaffari

doi:10.1016/j.compbiomed.2023.107153

Cited by 7 publications

(1 citation statement)

References 82 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Birbiri ile bağlantılı katmanlar aracılığı ile öznitelikler vektörel hale getirilerek aktivasyon fonksiyonları (sigmoid, softmax ve tanh) yardımı ile tahmin işlemi gerçekleştirilir [30,31]. Literatürde ESA mimarileri kullanılarak, asfalt çatlaklarının tespiti [32], fiziksel hareketlerden aktivite belirleme [33], yazılım güvenlik açıklarının sınıflandırılması [34]; ses, nefes ve öksürükten Covid-19 tespiti [35], alzaymır hastalığının sınıflandırılması [36], beyin tümörü tespiti [37], insan aktivite türlerinin tespiti [38], timpanik membran görüntülerinin sınıflandırılması [39] ve beyin kanaması tespiti [40] gibi birçok alanda başarılı bir şekilde uygulanmıştır.…”

Section: Metotunclassified

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

Çelik

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

Self Cite

View full text Add to dashboard Cite

Kolon kanseri, gelişmiş ülkelerde ciddi bir sağlık sorunu olmakta ve en sık görülen kanser türleri arasında gelmektedir. Bu hastalığın erken teşhisi hastaların hayatta kalma şansını artırmaktadır. Geciken teşhisler ise ölümle sonuçlanabilmektedir. Bu çalışmada kolon kanseri tespiti için EfficientNetB0 ve destek vektör makineleri (DVM) tabanlı bir model önerilmiştir. EfficientNetB0 mimarisi ile histopatolojik görüntülerden öznitelik haritalarının çıkarılması sağlanırken, DVM algoritması ile elde edilen öznitelik haritalarının sınıflandırılması gerçekleştirilmektedir. Ayrıca önerilen modelin başarısını analiz etmek üzere EfficientNetB0, Xception, VGG19, InceptionV3, DenseNet121 ve ResNet101 gibi evrişimli sinir ağları (ESA) mimarileri ile performans kıyaslaması yapılmıştır. Veri kümesi olarak sekiz sınıflı Kather-5k ve iki sınıflı LC25000 veri kümeleri kullanılmıştır. Elde edilen bulgular, önerilen modelin Kather-5k veri kümesi kullanıldığında %99.70 doğruluk, %100 kesinlik, %100 duyarlılık, %100 F1-Score, %99.71 G-ortalama, %100 özgüllük ve %99.83 AUC ile mevcut ESA mimarilerine kıyasla daha yüksek başarı sağladığını göstermiştir. LC25000 veri kümesi kullanıldığında ise önerilen model tüm metriklerde %100 başarı elde etmiştir. Benzer şekilde Kather-5k ve LC25000 veri kümeleri birleşiminden oluşan veri kümesi kullanıldığında önerilen model, %99.96 doğruluk, %100 kesinlik, %100 duyarlılık, %100 F1-Score, %99.92 G-ortalama, %100 özgüllük ve %99.96 AUC oranı ile diğer modellere kıyasla daha yüksek performans göstermiştir. Ayrıca önerilen model ile EfficientNetB0 mimarisinin başarısında önemli oranda bir başarı artışı sağlanmıştır.

show abstract

Section: Metotunclassified

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

Çelik

2023

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

Self Cite

View full text Add to dashboard Cite

show abstract

Cough Sounds in Screening and Diagnostics: A Scoping Review

Hegde,

Sreeram,

Alter

et al. 2023

The Laryngoscope

View full text Add to dashboard Cite

ObjectiveThe aim of the study was to examine applications of cough sounds towards screening tools and diagnostics in the biomedical and engineering literature, with particular focus on disease types, acoustic data collection protocols, data processing and analytics, accuracy, and limitations.Data SourcesPubMed, EMBASE, Web of Science, Scopus, Cochrane Library, IEEE Xplore, Engineering Village, and ACM Digital Library were searched from inception to August 2021.Review MethodsA scoping review was conducted on screening and diagnostic uses of cough sounds in adults, children, and animals, in English peer‐reviewed and gray literature of any design.ResultsFrom a total of 438 abstracts screened, 108 articles met inclusion criteria. Human studies were most common (77.8%); the majority focused on adults (57.3%). Single‐modality acoustic data collection was most common (71.2%), with few multimodal studies, including plethysmography (15.7%) and clinico‐demographic data (7.4%). Data analytics methods were highly variable, with 61.1% using machine learning, the majority of which (78.8%) were published after 2010. Studies commonly focused on cough detection (41.7%) and screening of COVID‐19 (11.1%); among pediatric studies, the most common focus was diagnosis of asthma (52.6%).ConclusionThough the use of cough sounds in diagnostics is not new, academic interest has accelerated in the past decade. Cough sound offers the possibility of an accessible, noninvasive, and low‐cost disease biomarker, particularly in the era of rapid development of machine learning capabilities in combination with the ubiquity of cellular technology with high‐quality recording capability. However, most cough sound literature hinges on nonstandardized data collection protocols and small, nondiverse, single‐modality datasets, with limited external validity. Laryngoscope, 2023

show abstract

A Comparative Study Based on Deep Learning and Machine Learning Methods for COVID-19 Detection Using Audio Signal

Akdeniz,

Damar,

Danacı

et al. 2024

Lecture Notes in Networks and Systems

View full text Add to dashboard Cite

CovidCoughNet: A new method based on convolutional neural networks and deep feature extraction using pitch-shifting data augmentation for covid-19 detection from cough, breath, and voice signals

Cited by 7 publications

References 82 publications

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

EfficientNetB0 and SVM Based Approach for Colon Cancer Recognition from Histopathological Images

Cough Sounds in Screening and Diagnostics: A Scoping Review

A Comparative Study Based on Deep Learning and Machine Learning Methods for COVID-19 Detection Using Audio Signal

Contact Info

Product

Resources

About