[論文レビュー] Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC

Mohamed Bader, Ismail Shahin+1 more|arXiv (Cornell University)|Oct 17, 2020

Music and Audio Processing参考文献 13被引用数 6

ひとこと要約

本研究では、メル周波数ケプストラム係数（MFCC）とピアソン相関係数分析を用いて、COVID-19関連音声（咳や息遣い）の音響的類似性を調査した。COVID-19に起因する咳や息遣いのサンプル間で高いMFCC類似性が確認された一方、声のサンプルはCOVID-19と非COVID-19を区別する上でより高い耐性を示しており、これによりこのような信号のさらなる処理を減らすことが可能になる可能性がある。

ABSTRACT

Recently there has been a formidable work which has been put up from the people who are working in the frontlines such as hospitals, clinics, and labs alongside researchers and scientists who are also putting tremendous efforts in the fight against COVID-19 pandemic. Due to the preposterous spread of the virus, the integration of the artificial intelligence has taken a considerable part in the health sector, by implementing the fundamentals of Automatic Speech Recognition (ASR) and deep learning algorithms. In this paper, we illustrate the importance of speech signal processing in the extraction of the Mel-Frequency Cepstral Coefficients (MFCCs) of the COVID-19 and non-COVID-19 samples and find their relationship using Pearson correlation coefficients. Our results show high similarity in MFCCs between different COVID-19 cough and breathing sounds, while MFCC of voice is more robust between COVID-19 and non-COVID-19 samples. Moreover, our results are preliminary, and there is a possibility to exclude the voices of COVID-19 patients from further processing in diagnosing the disease.

研究の動機と目的

• MFCCを用いてCOVID-19関連音声の音響的類似性を評価すること。
• MFCCの区別可能性を評価し、COVID-19と非COVID-19の発声を区別する能力を検証すること。
• COVID-19患者の声サンプルが一貫したMFCCパターンを示すため、今後の診断処理から除外可能かどうかを検討すること。
• MFCCの相関分析を用いた非侵襲的でAI支援型のCOVID-19検出の可能性を調査すること。

提案手法

• COVID-19患者および非COVID-19対照群の咳、息遣い、声の音声サンプルからMFCCを抽出した。
• 異なる音声タイプおよびグループ間でのMFCCベクトルの比較にピアソン相関係数分析を適用した。
• グループ内類似性（例：すべてのCOVID-19の咳）とグループ間類似性（例：COVID-19の咳と非COVID-19の声）を比較した。
• 患者および対照群から収集した音声記録データセットを用い、主に呼吸音と発話音に焦点を当てた。
• さまざまな音声モodal（咳、息遣い、声）におけるMFCC表現の耐性を評価した。

実験結果

リサーチクエスチョン

• RQ1 COVID-19を有する個々の人物における咳と息遣いの音声のMFCC表現はどの程度類似しているか？
• RQ2 COVID-19患者の声サンプルのMFCCは、非COVID-19患者の声サンプルと比べてどのように異なるか？
• RQ3 COVID-19の呼吸音に共通する高いMFCC相関性は、疾患検出に活用可能か？
• RQ4 声のMFCC表現は、COVID-19と非COVID-19の区別においてより耐性があるか？

主な発見

• COVID-19に起因する咳や息遣いの音声サンプル間で高い相関性が観察され、強いグループ内類似性が示された。
• COVID-19患者の声サンプルのMFCCは、非COVID-19の声サンプルと比較して、より高い耐性と特徴の明確さを示した。
• 本研究では、COVID-19患者の声サンプルが一貫したMFCCパターンを示すため、今後の診断処理から除外可能であると示唆された。
• 結果から、MFCC相関分析がAIベースのスクリーニングに向けた判別的特徴を効果的に捉えることができると示された。