[논문 리뷰] Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC

Mohamed Bader, Ismail Shahin외 1명|arXiv (Cornell University)|2020. 10. 17.

Music and Audio Processing참고 문헌 13인용 수 6

한 줄 요약

이 연구는 메르-주파수 체프스트랄 계수(MFCCs)와 피어슨 상관관계 분석을 사용하여 코로나19 관련 소리—기침과 숨결—의 음향 유사성을 조사한다. 코로나19 기침과 숨결 샘플 간에 높은 MFCC 유사성이 관찰되었으며, 음성 샘플은 코로나19와 비코로나19를 구분하는 데 더 강건한 성능을 보였다는 점에서, 이러한 신호의 추가 처리가 감소하는 것을 고려할 때 음성 기반 걸러내기의 잠재력이 제기된다.

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.

연구 동기 및 목표

• MFCCs를 사용하여 코로나19 관련 소리의 음향 유사성을 평가하기.
• MFCCs가 코로나19와 비코로나19 발성 음성 간의 구별 능력을 평가하기.
• 코로나19 환자로부터의 음성 샘플이 일관된 MFCC 패턴을 보일 경우, 향후 진단 처리에서 제외될 수 있는지 탐색하기.
• 비침습적이고 인공지능 기반의 코로나19 탐지에 MFCC 상관관계 분석의 가능성을 탐구하기.

제안 방법

• 코로나19 환자와 비코로나19 대조군으로부터 기침, 숨결, 음성의 오디오 샘플에서 MFCC를 추출하였다.
• 다양한 소리 유형과 그룹 간의 MFCC 벡터를 비교하기 위해 피어슨 상관계수 분석을 적용하였다.
• 예를 들어 모든 코로나19 기침 샘플 간의 내부 그룹 유사성과 코로나19 기침과 비코로나19 음성 간의 상호 그룹 유사성을 비교하였다.
• 환자와 대조군으로부터 수집한 오디오 녹음 데이터를 사용하여, 주로 호흡 음향과 발화를 대상으로 하였다.
• 다양한 소리 모odalities(기침, 숨결, 음성) 간에 MFCC 표현의 강건성 평가하였다.

실험 결과

연구 질문

• RQ1 코로나19 환자 간 기침과 숨결 소리의 MFCC 표현은 얼마나 유사한가?
• RQ2 코로나19 환자로부터의 음성 샘플 MFCC는 비코로나19 환자와 비교해 어떻게 다른가?
• RQ3 코로나19 호흡 음성 간의 높은 MFCC 상관관계를 질병 탐지에 활용할 수 있는가?
• RQ4 음성의 MFCC 표현은 코로나19와 비코로나19 사례를 구별하는 데 더 강건한가?

주요 결과

• 다양한 코로나19 기침과 숨결 소리 샘플 간에 높은 상관관계가 관찰되어 강력한 내부 그룹 유사성을 시사한다.
• 코로나19 환자 음성 샘플의 MFCC는 비코로나19 음성과 비교해 더 강건하고 특징적으로 나타났다.
• 연구는 코로나19 환자 음성 샘플이 일관된 MFCC 패턴을 보이기 때문에 향후 진단 처리에서 제외될 수 있음을 제안한다.
• 결과는 MFCC 상관관계 분석이 향후 인공지능 기반 걸러내기의 구분 특징을 효과적으로 포착할 수 있음을 시사한다.